30 Purposeful Sampling and Case Selection: Overview of

Strategies and Options

Sampling Purposefully
Tal vez nada ilustre mejor la diferencia entre métodos cuantitativos y cualitativos que las diferentes
lógicas que sustentan sus enfoques de muestreo. La investigación cualitativa generalmente se
enfoca en profundidad en muestras relativamente pequeñas, incluso casos únicos (n = 1),
seleccionados para un propósito bastante específico. Los métodos cuantitativos normalmente
dependen de muestras más grandes seleccionadas al azar. No sólo son diferentes las técnicas para
el muestreo, sino que la lógica misma de cada enfoque es única porque el propósito de cada
estrategia es diferente. Mientras que los metodólogos cualitativos prefieren el término muestreo
con propósito, los metodólogos cuantitativos son más propensos a etiquetar estas estrategias
como "muestreo no probabilístico", haciendo explícito el contraste con el muestreo probabilístico
(por ejemplo, American Association for Public Opinion Research, 2013). La lógica y el poder del
muestreo aleatorio se derivan de estadísticas teoría de probabilidad. Una muestra aleatoria y
estadísticamente representativa permite una generalización confiable de una muestra a una
población más grande. El muestreo aleatorio también controla el sesgo de selección. El propósito
del muestreo aleatorio basado en la probabilidad es la generalización de la muestra a una
población y el control de los errores de selectividad.

Lo que sería un “sesgo” en el muestreo estadístico, y por tanto una debilidad, se convierte en un
muestreo no cualitativo de enfoque intencionado, y por tanto una fortaleza. La lógica y el poder
del muestreo intencional radica en seleccionar casos ricos en información para un estudio en
profundidad. Los casos ricos en información son aquellos de los que uno puede aprender mucho
sobre temas de importancia central para el propósito de la investigación, de ahí el término
muestreo intencional. El estudio de casos ricos en información produce percepciones y una
comprensión profunda en lugar de generalizaciones empíricas. Por ejemplo, si el propósito de una
evaluación es aumentar la eficacia de un programa para llegar a los grupos socioeconómicos más
bajos, se puede aprender mucho estudiando en profundidad un pequeño número de familias
pobres cuidadosamente seleccionadas. El muestreo intencional se enfoca en seleccionar casos
ricos en información cuyo estudio iluminará las preguntas bajo estudio.

Estrategias alternativas de muestreo intencional 401

La selección de casos es la base de la investigación cualitativa. Lo que encuentre en su

investigación estará determinado por los casos que estudie. El tipo de muestra que seleccione
debe seguir y respaldar la indagación de las preguntas que está formulando. El propósito de una
muestra intencional es enfocar la selección de casos estratégicamente en consonancia con el
propósito de la investigación, las preguntas principales y los datos que se recopilan. La figura 5.7
ilustra esta relación. La edición anterior de este libro presentó 15 estrategias de muestreo
intencional. Esta edición amplía las opciones a 40. Esto refleja el surgimiento de opciones
estratégicas más distintas y matizadas durante la última década. Debido a la mayor cantidad de
opciones, las he organizado en ocho categorías:
1. Caso único significativo

2. Muestreo centrado en la comparación

3. Muestreo de características de grupo

4. Muestreo conceptual o teórico

5. Muestreo de casos múltiples para uso instrumental

6. Estrategias de muestreo secuencial y de emergencia durante el trabajo de campo

7. Muestreo enfocado analíticamente

8. Estrategias de muestreo mixto, estratificado y combinado

La figura 5.8 presenta las 40 opciones de muestreo distribuidas dentro de estas ocho categorías.
Cada tipo de muestreo se analiza a continuación de la figura 5.8. La importancia de comprender las
opciones de muestreo es que constituyen opciones de diseño, en esencia, diferentes formas de
pensar y elaborar estrategias sobre qué estudiar. En la apertura de este capítulo, escribí:
“Prepárese para la inmersión en el diseño. Piensa en diseño. Comprometerse con el diseño”.
Ahora, nos enfocamos más estrechamente en un tema de diseño cualitativo fundamental. Así que
prepárese para la inmersión de muestreo. Piense en el muestreo como un problema de diseño
central. Involucrar el muestreo como pensamiento intencionado y estratégico.

MUESTREO OBJETIVO VERSUS MUESTREO OBJETIVO VERSUS MUESTREO NO PROBABILITARIO

Muestreo intencionado: seleccionar estratégicamente casos ricos en información para estudiar,

casos que por su naturaleza y sustancia iluminarán la pregunta de indagación que se está
investigando. El muestreo intencionado también se denomina muestreo intencionado.
Generalmente no hay diferencia en el significado. Es cuestión de qué término se prefiere. En la
primera edición de este libro (Patton, 1980), sustituí el muestreo “con propósito” por el muestreo
“con propósito”. Lo hice por tres razones:

1. Mi trabajo de evaluación e investigación aplicada involucró una estrecha colaboración con no

investigadores que me dijeron que encontraban el término intencionalmente demasiado
académico, desagradable, de jerga y poco claro. Uno dijo: “¿Quién habla así?”. Por el contrario,
podrían entender "con propósito". Significaba para un propósito. Nadie que yo conociera,
incluyéndome a mí, había usado alguna vez "intencional" en una conversación común. La gente
común sabía, entendía y, a veces, usaba "con propósito". Mi objetivo era comunicar con claridad y
ser fácil de usar, así que introduje el "muestreo con propósito" y dejé de usar "propósito". Sin
embargo, los lectores deben saber que intencional sigue siendo el término de elección entre los
investigadores cualitativos académicos.

2. Al decidir si abandonar "intencional" por "intencional", investigué el origen del término y

encontré que se originó como un tipo de muestreo estadístico. La reunión de 1925 en Roma del
Instituto Internacional de Estadística incluyó un vigoroso debate sobre varios enfoques de
muestreo. Los delegados terminaron adoptando una resolución formal que distinguía dos tipos
principales de muestreo representativo: aleatorio e intencional. El muestreo intencional implicó el
muestreo de elementos de la población de tal manera que los grupos elegidos deberían tener
valores promedio aproximadamente iguales a los promedios de la población para las
características ya conocidas de la población. Sin embargo, en la década de 1930, el muestreo
aleatorio estaba en auge y “el muestreo intencional perdió su atractivo” (Kruska & Mosteller, 1980,
p. 188). Posteriormente, el muestreo por cuotas surgió como una especie de muestreo intencional
que intenta imitar a la población en aspectos particulares. Como todo muestreo intencional, los
procedimientos de muestreo por cuotas sufren de posibles sesgos porque la similitud con la
población en algunos aspectos de ninguna manera implica similitud en otros (Kruska & Mosteller,
1980, p. 190).

Este origen del muestreo intencional todavía se puede encontrar en algunas definiciones
cualitativas del enfoque. Por ejemplo, en la lista de verificación de Barbour (2001) para mejorar el
rigor en la investigación cualitativa, el muestreo intencional se define como el objetivo de capturar
la diversidad dentro de una población. Dados los orígenes históricos del muestreo intencional
como un intento de obtener una muestra estadísticamente representativa de una población para
poder generalizar, pensé que era apropiado abandonar el término por completo. Así que introduje
el muestreo intencional como un enfoque específicamente cualitativo para la selección de casos.
Mi error, ahora me doy cuenta (y lo confieso), fue no explicar la sustitución cuando la hice
originalmente en 1980. Simplemente comencé a usar el nuevo término, y lo he hecho desde
entonces. Ahora es tu elección.

3. Mientras que los metodólogos cualitativos utilizan los términos muestreo intencional o
intencional, es más probable que los metodólogos cuantitativos denominen estas estrategias como
"muestreo no probabilístico", haciendo explícito el contraste con el muestreo probabilístico (por
ejemplo, American Association for Public Opinion Research, 2013). Esto define el muestreo
cualitativo por lo que no es (no probabilístico) en lugar de por lo que es (estratégicamente útil)

Muestreo de caso único significativo como estrategia de diseño (1 a 6)

Propósito de la muestra: Un caso en profundidad (n = 1) que proporciona una comprensión rica y

profunda del tema e ideas innovadoras, y/o tiene una importancia distinta y destacada

¿Qué se puede aprender de un solo caso? Vivimos en un mundo de big data y muestras grandes.
¿Un n de 1? Sin valor. Más es mejor. Mucho más es mucho mejor. ¿Menos puede ser más? ¿Se
puede hacer la diferencia? Resulta que, sí, los casos individuales pueden proporcionar avances y
conocimientos bastante poderosos. El 3 de marzo de 2013, los titulares de todo el mundo
proclamaron:

Los científicos informan la primera cura del VIH en un niño, dicen que es un cambio de juego

1- Caso Índice. Es lo que se denomina un caso índice: el primer caso documentado que
manifiesta un fenómeno. En epidemiología, un caso índice es la primera persona que
 presenta una afección, un síndrome o una cura. Un caso índice a menudo se convierte en
el caso clásico en la literatura sobre el fenómeno.
MARY TIFOIDEA: UN CASO ÍNDICE RECONOCIDO. Mary Mallon (1869–1938), una cocinera
inmigrante irlandesa, fue la primera persona en los Estados Unidos identificada como
portadora asintomática del patógeno asociado con la fiebre tifoidea. Mientras los
funcionarios de salud pública investigaban los contactos de las personas que contrajeron
fiebre tifoidea, ella era el único contacto común, aunque nunca mostró ningún síntoma. Se
estimó que infectó a más de 50 personas, al menos tres de las cuales murieron; por eso la
llamaron Typhoid Mary. Se negó a cooperar con las autoridades sanitarias, ocultó
información o mintió sobre su pasado, e inventó nombres cuando se movía tratando de
escapar de los investigadores. Las autoridades de salud pública la pusieron en cuarentena
dos veces y finalmente pasó casi tres décadas aislada. Cómo pudo infectar a otros sin
sucumbir a la enfermedad sigue siendo un tema de investigación científica 75 años
después de su muerte (Huffington Post, 2013).

2- Muestreo de un ejemplar de un fenómeno de interés.

Pero un solo caso no tiene que ser el primero de su tipo para ser significativo y merecer un
estudio y análisis en profundidad. Cualquier ejemplar de un fenómeno de interés puede
ser un estudio de caso único digno. En su clásico The Art of Case Study Research, Robert
Stake (1995) enfatizó el valor de lo que llamó casos intrínsecos en los que el caso ofrece
ideas que son importantes por sí solas. Considere el estudio de caso de Eugene Pauly,
quien proporcionó avances en nuestra comprensión de la formación de hábitos y el
cambio de comportamiento frente a la pérdida de memoria y la reducción del
funcionamiento cognitivo. El estudio de caso se extendió durante 15 años y documentó en
detalle día a día la vida de un anciano y su familia que enfrentaban y se adaptaban a una
pérdida de memoria severa, incluidas las diversas intervenciones médicas, conductuales,
sociales y psicológicas intentadas a lo largo de los años. El caso Pauly proporcionó avances
significativos en la comprensión de la naturaleza y el poder de los hábitos y "revolucionó la
comprensión de la comunidad científica sobre cómo funciona el cerebro al demostrar, de
una vez por todas, que es posible aprender y tomar decisiones inconscientes sin recordar
nada sobre la lección o la toma de decisiones". (Duhigg, 2013, págs. 24 y 25). Avances
como los hallazgos del estudio de caso de Pauly muestran por qué la "ciencia de la
formación de hábitos se ha convertido en un importante campo de estudio" (Duhigg, 2013,
p. 25). Los individuos pueden ser estudios de casos únicos, pero también lo pueden ser los
eventos (p. Revolución), empresas (Intel, Microsoft) y políticas (por ejemplo, la política de
inmigración de un país). Aquí hay algunos otros ejemplos de casos únicos que son
ejemplares de un fenómeno de interés donde una comunidad o programa es el caso único:

• Minnesota tiene la segunda población inmigrante Hmong más grande del sudeste asiático que
vive en los Estados Unidos. Al tratar a la comunidad Hmong como la unidad de análisis, un estudio
de caso del pueblo Hmong que se asentó en Minnesota brindaría información sobre cuestiones de
inmigración y reasentamiento.
• Ujamaa Place es un programa que atiende a hombres afroamericanos, generalmente entre 17 y
28 años de edad, económicamente desfavorecidos y que han experimentado repetidos ciclos de
fracaso. Una evaluación de ese programa constituye un estudio de caso único donde el programa
es la unidad de análisis.

• Street Corner Society es un estudio de caso único clásico e innovador realizado por William
FooteWhyte (1943). Durante tres años y medio, vivió y observó un barrio marginal de inmigrantes
italianos de Boston, un barrio considerado peligroso. Entre otros hallazgos, documentó cómo
operaban las bandas locales.

3- Autoestudio: Hacerse uno mismo el caso

A veces, el fenómeno de interés es su propia experiencia, lo que lo convierte en una muestra de

caso único. La autoetnografía examina cómo la propia experiencia del investigador de una cultura
ofrece información sobre la cultura, la situación, el evento y la forma de vida. La investigación
heurística, derivada de la fenomenología, también hace de la propia experiencia del investigador el
foco principal de la investigación. (Véase el Capítulo 3 para una explicación y discusión de la
autoetnografía y la investigación heurística.) El psicoanalista Carl Jung (1902) registró y analizó sus
propios sueños. El fenomenólogo humanista Clark Moustakas (1961, 1972, 1975) estudió la
soledad a través de su propia experiencia. Una vez me dijo: “Soy el mejor caso que conozco y el
caso al que tengo el acceso más profundo. ¿Por qué no sería yo un caso de estudio ideal?”.
Posteriormente, escribió extensamente sobre cómo aplicar el rigor utilizando uno mismo como
caso (Moustakas, 1990, 1994).

4- Casos de alto impacto

Otra categoría de estudios de casos únicos son los casos de alto impacto. Estos son casos
estudiados y documentados en profundidad debido a los impactos iluminados y la importancia del
caso para un campo, problema o sociedad. Los casos de alto impacto tienen una gran visibilidad.
Atlantic Philanthropies apoyó una campaña para anular la pena de muerte juvenil que condujo al
caso Roper v. Simmons de la Corte Suprema de 2005, que falló en contra de la pena de muerte.
Dada la alta visibilidad y el alto impacto de la campaña, el estudio de caso identificó factores
críticos que hicieron que la campaña fuera ejemplar y examinó la cuestión de la probabilidad de
que la decisión de la Corte haya sido influenciada por la campaña (Patton, 2008a; Patton &
Sherwood, 2007). Rosa Parks, pionero de los derechos civiles, y el boicot a los autobuses de
Birmingham, Alabama, ejemplifican un caso de alto impacto y alta visibilidad, al igual que la
marcha de 1963 en Washington, la más grande en la historia de los Estados Unidos en ese
momento, que inspiró el "Tengo un sueño". discurso de Martin Luther King Jr., uno de los discursos
más famosos de la historia. Un ejemplo más reciente de un caso de gran impacto y gran visibilidad
es la historia del profesor de economía de la Universidad de Columbia, Jeffrey Sachs, autor del
influyente y visionario best-seller tratado The End of Poverty (2005). Con $ 100 millones de
donantes filantrópicos, lanzó el Proyecto Millennium Villages en 10 países africanos, con la
promesa de eliminar la pobreza en esos pueblos con asistencia técnica e innovación de bajo costo
en agricultura, salud, agua, energía, nutrición y educación. Los éxitos y fracasos que siguieron
involucran estudios de caso de los proyectos de la aldea, pero Jeffrey Sachs y su enfoque
constituyen un caso único de alta visibilidad (Munk, 2013). Un ejemplo bastante diferente de un
caso único de alto impacto es el de Bruce Perry y Maia Szalavitz. (2006) trabajan y estudian a niños
del culto de la Rama Davidiana en Waco, Texas, después de que las autoridades federales allanaran
el complejo en 1993 y tomaran la custodia de 21 niños de 5 meses a 12 años de edad. El
tratamiento subsiguiente del grupo durante muchos meses reveló los efectos insidiosos del trauma
y los desafíos y posibilidades de apoyar la recuperación.

5- Casos de Enseñanza

Un caso de alto impacto puede convertirse en un caso de enseñanza: un estudio de caso en

profundidad que ofrece una visión tan profunda de un fenómeno que sirve como fuente de
iluminación sustancial sobre los problemas documentados en el caso y está escrito para su uso en
la enseñanza basada en el caso. (Barnes, Christensen y Hansen, 1994; Patton y Patrizi, 2005). En las
escuelas de negocios, derecho, medicina y otras profesiones, una vez que se han cubierto y
aprendido los conceptos básicos, los temas más avanzados se enseñan mejor a través del método
del caso. Los casos brindan a los estudiantes la oportunidad de comprender el contexto dentro del
cual se toman decisiones reales en el mundo real, y las inevitables ambigüedades e incertidumbres
involucradas al hacer juicios en un mundo incierto, complejo y dinámico. Aquí hay tres ejemplos de
casos de enseñanza de evaluación de alta calidad: • Un estudio de caso de la inversión de 20 años
de la Fundación Robert Wood Johnson en la concesión de subvenciones al final de la vida: Ilustra
problemas en la filantropía estratégica y documenta la creación del nuevo campo de ayuda al final
de la vida. -medicina y cuidado de la vida (Patrizi, Thompson y Spector, 2008).• Making
Connections fue un ambicioso esfuerzo de cambio comunitario realizado por AnnieE en varios
sitios y que duró una década. Casey Foundation, comenzó en 1999, cuyo objetivo era mejorar los
resultados de los niños más vulnerables mediante la transformación de sus vecindarios y ayudar a
sus padres a lograr la estabilidad económica, conectarse con mejores servicios y apoyos y forjar
redes sociales sólidas. La evaluación de MakingConnections abarcó ocho años y costó casi $60
millones. El estudio de caso complejo y multidimensional se centra en las opciones de medición y
los desafíos. • El estudio de caso de la Asociación del Valle Central (California) de la Fundación
James Irvine describe la evolución del papel del evaluador a medida que el programa evolucionaba
y se desarrollaba y según las necesidades del cliente y los usuarios previstos cambiado con el
tiempo. La iniciativa tenía como objetivo ayudar a los inmigrantes en el Valle Central de California.
El caso ilustra tensiones importantes entre los propósitos de evaluación de responsabilidad,
aprendizaje y desarrollo de capacidades (Campbell, Patton y Patrizi, 2003). Los ejemplos anteriores
son parte de un conjunto de 10 casos de enseñanza de filantropía de importantes estudios de
evaluación disponibles en Evaluation Roundtable. (2014)

6- Caso Crítico (o Caso Crucial)

El último ejemplo de caso único de muestreo intencionado es el caso crítico, también llamado a
veces caso crucial. , es probable que sea cierto para todos los demás casos de esa categoría. El
investigador médico australiano Barry Marshall se inyectó una bacteria, H. pylori, en sí mismo para
demostrar la causa fisiológica de las úlceras pépticas y desacreditar la teoría psicosomática de las
úlceras dominante en ese momento (Academy of Achievement, 2005). Su estudio cuidadosamente
documentado de las reacciones de su propio cuerpo constituyó un caso médico crítico. Los casos
críticos son aquellos que pueden hacer un punto bastante dramático o son, por alguna razón,
particularmente importantes en el esquema de las cosas. Una pista de la existencia de un caso
crítico es una declaración en el sentido de que “si sucede allí, sucederá en cualquier parte” o,
viceversa, “si no sucede allí, no sucederá en ninguna parte”. Otra pista sobre la existencia de un
caso crítico es la observación de un informante clave en el sentido de que “si ese grupo está
teniendo problemas, entonces podemos estar seguros de que todos los grupos están teniendo
problemas”. O sabe que es probable que tenga un caso crítico para la evaluación cuando personas
con conocimientos dicen: "Si no funciona aquí, no funcionará en ninguna parte"; o “Si funciona
aquí, funcionará en cualquier lugar”. Esta última declaración se ha denominado la inferencia de
FrankSinatra, por la línea de la canción que popularizó, New York, New York: “Si puedes hacerlo
aquí, puedes hacerlo en cualquier lugar” (Levy, citado por Gerring, 2007, p. 119 ). Buscar el caso
crítico es particularmente importante cuando las limitaciones de recursos pueden limitar la
evaluación al estudio de un solo sitio. Bajo tales condiciones, tiene sentido estratégico elegir el
sitio que brinde la mayor cantidad de información y tenga el mayor impacto en el desarrollo del
conocimiento. Si bien el estudio de uno o unos pocos casos críticos no permite técnicamente
amplias generalizaciones a todos los casos posibles, a menudo se pueden hacer generalizaciones
lógicas a partir del peso de la evidencia producida al estudiar un solo caso crítico. La física brinda
un buen ejemplo de tal caso crítico. En el estudio de la gravedad de Galileo, quería averiguar si el
peso de un objeto afectaba la velocidad a la que caería. En lugar de muestrear aleatoriamente
objetos de diferentes pesos para generalizar a todos los objetos del mundo, seleccionó un caso
crítico: la pluma. Si en el vacío, como demostró, una pluma cae al mismo ritmo que un objeto más
pesado (una moneda), entonces podría generalizar lógicamente a partir de esta única comparación
crítica a todos los objetos. Su hallazgo fue útil y creíble porque la pluma era un caso crítico
convincente. Los casos críticos se pueden encontrar en las ciencias sociales y la investigación de
evaluación si uno es creativo al buscarlos. cómo se ejecutará su programa local, pero no están
seguros de que las comunidades comprendan las complejas normas que rigen su participación. El
primer caso crítico es evaluar las regulaciones en una comunidad de ciudadanos bien educados. Si
no pueden entender las regulaciones, entonces las personas menos educadas seguramente
encontrarán las regulaciones incomprensibles. O, por el contrario, se podría considerar que el caso
crítico es una comunidad formada por personas con niveles educativos bastante bajos: “Si ellos
pueden entender las normas, cualquiera puede”. La identificación de los casos críticos depende del
reconocimiento de las dimensiones clave que conforman un caso crítico. Por ejemplo, un caso
crítico puede provenir de una ubicación de programa particularmente difícil. Si los financiadores de
un nuevo programa están preocupados por reclutar clientes o participantes en un programa,
puede tener sentido estudiar el sitio donde se espera que la resistencia al programa sea mayor
para proporcionar la prueba más rigurosa de reclutamiento del programa. Si el programa funciona
en ese sitio, podría funcionar en cualquier parte. Eso hace que el caso crítico sea un ejemplo
especialmente rico en información y, por lo tanto, digno de estudio como pieza central en una
muestra pequeña o "n de 1". El hipnotizador médico de renombre mundial Milton H. Erickson se
convirtió en un caso crítico en el campo de la hipnosis. tan hábil que llegó a ser ampliamente
conocido por "su capacidad para tener éxito con 'imposibles': personas que han agotado las vías
médicas, dentales, psicoterapéuticas, hipnóticas y religiosas tradicionales para ayudarlos en sus
necesidades, y no han podido hacer los cambios que desean ” (Grinder, DeLozier y Bandler, 1977,
p. 109).

Opciones de muestreo centrado en la comparación (7 a 12)

Hemos estado analizando el valor del estudio en profundidad de casos individuales. Ahora
pasamos a múltiples casos, que intrínsecamente invitan a las comparaciones. El muestreo centrado
en la comparación analiza en profundidad las similitudes y diferencias significativas entre los casos
y los factores que explican esas diferencias. Estamos cableados en nuestros cerebros para hacer
comparaciones. Lo hacemos todo el tiempo. Comparamos lo nuevo con lo viejo, lo conocido con lo
desconocido, lo mejor con lo peor, lo verdadero con lo falso, lo bello con lo feo y lo que funciona
con lo que no. En todas estas comparaciones, los juicios tienen que ser hecho: ¿Qué hay de nuevo?
¿Lo que se sabe? ¿Qué es lo mejor? ¿Lo que es verdad? ¿Que es hermoso? ¿Qué funciona? Una
investigación cualitativa seria asegura que las comparaciones sean sistemáticas, rigurosas y
significativas. Diferentes tipos de comparaciones sirven para diferentes propósitos. Ahí es donde
entra en juego el muestreo intencional. Dado el propósito general de la consulta, la pregunta
específica que está investigando y los datos que propone recopilar, ¿qué tipo de muestra
comparativa sería la más apropiada? Esta sección revisa algunas de las principales opciones para el
muestreo centrado en la comparación.

7- Muestreo de valores atípicos El muestreo de valores atípicos, también llamado muestreo

de casos extremos o desviados, implica la selección de casos ricos en información, porque
son inusuales o especiales de alguna manera, como éxitos sobresalientes o fallas notables.
En términos estadísticos, el muestreo de casos extremos se centra en los puntos finales de
la distribución normal de la curva en forma de campana (valores atípicos), que a menudo
se ignoran (o incluso se descartan) en los informes de datos agregados. (Ver Anexo 5.9.)

El influyente estudio de las “empresas mejor administradas de Estados Unidos”, publicado como En
busca de la excelencia, ejemplifica la lógica del muestreo atípico con propósito. Este estudio clásico
se basó en una muestra de 62 empresas que “nunca pretendieron ser perfectamente
representativas de la industria estadounidense en su conjunto. . . sino una lista de empresas
consideradas innovadoras y excelentes por un grupo informado de observadores de la escena
empresarial” (Peters & Waterman, 1982, p. 19). Lisbeth Schorr (1988) usó una estrategia similar al
estudiar programas especialmente efectivos para familias en situación de pobreza, publicado como
el influyente libro Within Our Reach. El libro más vendido de Stephen Covey (1989), Los 7 hábitos
de la gente altamente efectiva, se basa en una estrategia de muestreo grupal extrema y decidida.
Los estudios de liderazgo se han centrado durante mucho tiempo en identificar las características
de los líderes altamente exitosos, como en los estudios de caso de Jim Collins (2001b) de 11
ejecutivos corporativos en quienes “la humildad personal extrema se mezcla paradójicamente con
la voluntad profesional intensa” (p. 67), lo que él llama “Nivel de humildad”. 5 líderes”, el nivel más
alto en su modelo. Los grandes triunfadores son valores atípicos (Sweeney & Gosfield, 2013). El
estudio de Malcolm Gladwell Outliers (2008) ejemplifica esta estrategia de muestreo. Él planteó la
pregunta intrigante: "¿Por qué algunas personas tienen éxito, viven vidas notablemente
productivas e impactantes, mientras que muchas más nunca alcanzan su potencial?" Hizo estudios
de casos de la vida de valores atípicos de gran éxito como Mozart, BillGates (fundador de
Microsoft) y los Beatles. Encontró que el éxito involucra más que inteligencia y talento; estos
valores atípicos se beneficiaron del momento favorable, las conexiones, las oportunidades
inusuales y la simple suerte. Bill Gates atribuye parte de su éxito a aprender del fracaso. De hecho,
a veces, los casos de fracaso dramático ofrecen lecciones poderosas. Aunque “la sabiduría de
aprender del fracaso es indiscutible”, afirma la experta en aprendizaje organizacional Amy
Edmondson (2011, p. 1), descubrió que pocas organizaciones realmente saben cómo participar en
el tipo de análisis e interpretación de casos en profundidad que produce resultados significativos y
prácticos. lecciones prácticas. El legendario entrenador de baloncesto de la UCLA, John Wooden,
ganó 10 campeonatos nacionales entre 1964 y 1975, un logro deportivo sin igual. Pero el juego que
más recordaba y del que más aprendió fue la derrota en tiempo extra de UCLA en 1974 ante el
estado de Carolina del Norte en las semifinales (citado en LosAngeles Times, 21 de diciembre de
2000). El enfoque de Wooden en ese juego, ese caso extremo, ilustra la psicología del aprendizaje
del muestreo intencional grupal extremo.

Ejemplos de muestreo de valores atípicos en la investigación aplicada: • En su libro Cuando las

mujeres maltratadas matan (1987), Angela Browne describe los estudios en profundidad que
realizó de los casos más extremos de violencia doméstica para dilucidar el fenómeno de los malos
tratos y el abuso. días de investigación del SIDA, las infecciones casi siempre resultaban en la
muerte. Sin embargo, un pequeño número de personas infectadas con el VIH que no desarrollaron
SIDA se convirtieron en casos atípicos cruciales que proporcionaron información importante sobre
las direcciones que los investigadores deberían tomar para combatir el SIDA. creando
perturbaciones que se desvían mucho de la norma. Observar las reacciones de alguien que come
como un cerdo en un restaurante y luego entrevistar a las personas sobre lo que vieron y cómo se
sintieron ilumina lo ordinario a través de casos atípicos. En la evaluación, la lógica del muestreo de
casos extremos es que se pueden aprender lecciones sobre condiciones inusuales o resultados
extremos que son relevantes para mejorar los programas más típicos. Supongamos que estamos
interesados en estudiar un programa nacional con cientos de sitios locales. Sabemos que muchos
programas están funcionando razonablemente bien, incluso bastante bien, y que otros programas
están al borde del desastre. También sabemos que la mayoría de los programas funcionan “bien”.
Esta información proviene de fuentes bien informadas que han realizado visitas al sitio a
suficientes programas para tener una idea básica acerca de cuál es la variación. Con tiempo y
recursos limitados, un evaluador podría estudiar uno o más ejemplos de programas realmente
malos y uno o más ejemplos de programas realmente excelentes. La evaluación se enfoca en
comprender bajo qué condiciones los programas tienen problemas y bajo qué condiciones los
programas ejemplifican la excelencia.

En esencia, la lógica del muestreo atípico es que los casos extremos pueden ser casos ricos en
información. precisamente porque al ser insólitos pueden iluminar tanto lo insólito como lo típico.
Al proponer una muestra de valores atípicos, como en todos los diseños de muestreo intencional,
el investigador tiene la obligación de presentar la justificación y los beneficios esperados de esta
estrategia, así como señalar su debilidad (generalizabilidad limitada).
 8- Muestreo de intensidad

El muestreo de intensidad involucra la misma lógica que el muestreo de casos extremos pero con
menos énfasis en los extremos. Un muestreo de intensidad consta de casos ricos en información
que manifiestan el fenómeno de interés intensamente (pero no extremadamente). Los casos
extremos o desviados pueden ser tan inusuales como para distorsionar la manifestación del
fenómeno de interés. Usando la lógica del muestreo de intensidad, uno busca ejemplos excelentes
o ricos del fenómeno de interés pero no casos muy inusuales.

La investigación heurística (ver Capítulo 3; Moustakas, 1990) utiliza muestreo de intensidad. La

investigación heurística se basa explícitamente en las intensas experiencias personales del
investigador, por ejemplo, experiencias de soledad o celos. También participan en el estudio
corebuscadores que han experimentado intensamente estos fenómenos. El investigador heurístico
no suele buscar manifestaciones patológicas o extremas de soledad, celos o cualquier otro
fenómeno que le interese. Tales casos extremos podrían no prestarse al proceso reflexivo de la
investigación heurística. Por otro lado, si la experiencia del investigador heurístico y sus
corresponsables es bastante leve, no habrá mucho que estudiar. Así, el investigador busca una
muestra de intensidad suficiente para dilucidar el fenómeno de interés. La misma estrategia se
puede aplicar en la evaluación de un programa. Los éxitos extremos o los fracasos inusuales
pueden desacreditarse por ser demasiado extremos o inusuales para producir información útil. Por
lo tanto, el evaluador puede seleccionar casos que manifiesten suficiente intensidad para iluminar
la naturaleza del éxito o el fracaso, pero no en el extremo. El muestreo de intensidad implica cierta
información previa y un juicio considerable. El investigador o evaluador debe hacer un trabajo
exploratorio para determinar la naturaleza de la variación en la situación bajo estudio y luego
tomar ejemplos intensos del fenómeno de interés.

9- Desviación positiva

La desviación positiva es una aplicación especial del muestreo de valores atípicos que se enfoca en
encontrar personas o comunidades que hayan resuelto un problema donde la norma en el área es
que el problema permanezca sin resolver. Aquellos que han resuelto el problema son llamados
“desviados positivos”. Este enfoque surgió en la década de 1970 en nutrición cuando los
investigadores descubrieron que algunas familias en situación de pobreza tenían niños bien
alimentados. Lo que distingue la desviación positiva del muestreo de valores atípicos más general
es que la búsqueda de desviaciones positivas está dirigida específicamente a encontrar soluciones;
está orientado a la acción (Pant & Odame, 2009; Pascale, Sternin, & Sternin, 2010). Los defensores
y profesionales han formado la Positive Deviance Alliance para promover el uso de este método. Es
un enfoque altamente participativo en el que las personas de la comunidad ayudan a identificar y
aprender de las desviaciones positivas (Better Evaluation, 2013).

10- Comparaciones emparejadas

A diferencia del muestreo de valores atípicos, que explícita o implícitamente compara un extremo
de una dimensión de interés con el otro extremo (éxitos con fracasos, excelencia frente a
ineficacia), una forma diferente de muestreo intencional centrado en la comparación son las
comparaciones emparejadas. Jim Collins (2001a) y su equipo de expertos en estudios de casos han
utilizado esta forma de muestreo intencionado para generar ideas influyentes sobre los factores
que diferencian a las grandes empresas de las buenas, a las empresas de éxito duradero de las que
decaen (Collins, 2009;Collins & Porras, 2004), y empresas que prosperan en tiempos turbulentos
de aquellas que se ven abrumadas por el caos y la complejidad (Collins & Hansen, 2011). Como
ejemplo de este método de muestreo, para esta última comparación, el equipo evaluó 20 400
empresas en busca de aquellas que cumplían con tres criterios de selección: (1) 15 años o más de
“resultados espectaculares” (2) logrados en condiciones de alta turbulencia ambiental e
incertidumbre con (3) un ascenso desde la vulnerabilidad (empresa joven y pequeña) a una
posición de “grandeza”. Terminaron con una muestra de 7 empresas que cumplían con los tres
criterios. Luego seleccionaron compañías de comparación para lograr “el poder del contraste”:
Nuestra investigación se basa en tener un conjunto de comparación. La pregunta crítica no es
"¿Qué tenían en común las grandes empresas?" La pregunta crítica es "¿Qué tenían en común las
grandes empresas que las distinguía de sus comparaciones directas?" Las comparaciones son
empresas que estaban en la misma industria con oportunidades iguales o muy similares durante la
misma época. . . , sin embargo, no produjo un gran rendimiento. (Collins & Hansen, 2011, p. 7) Con
las siete comparaciones combinadas seleccionadas, el equipo realizó estudios de casos históricos
detallados. La importancia y credibilidad de sus hallazgos, a pesar del tamaño de muestra
relativamente pequeño, condujo a un libro de desarrollo organizacional y gerencial de gran éxito
de ventas.

11- Selección de casos basada en criterios

La lógica del muestreo por criterios consiste en revisar y estudiar todos los casos que cumplan con
algún criterio predeterminado de importancia, comparando así explícita (o implícitamente) los
casos con criterios con los que no manifiestan el criterio. Esta es una estrategia común en los
esfuerzos de aseguramiento de la calidad. Por ejemplo, el rango esperado de participación en un
programa ambulatorio de salud mental podría ser de 4 a 26 semanas. Todos los casos que exceden
las 28 semanas se revisan para averiguar por qué se excedió el rango esperado y para asegurarse
de que el caso se esté manejando de manera adecuada. O un estándar de garantía de calidad
puede ser que todos los pacientes que ingresen a la sala de emergencias de un hospital que no se
encuentren en una situación que ponga en peligro su vida reciban atención dentro de una hora. Se
revisan los casos que superan este estándar. La gestión de la calidad en la fabricación, desarrollada
por W. Edwards Deming (2000), incluía la importancia de comprender el conocimiento de la
variación, que requiere distinguir la variación normal y aceptable de las variaciones problemáticas
que causan defectos. Cuando un proceso de producción muestra un aumento en la deserción, el
gerente debe ir a la línea de montaje e investigar la naturaleza del problema con los trabajadores.
La clave es establecer un criterio para las tasas de defectos aceptables e inaceptables e investigar
de primera mano (a través de la observación, la entrevista y la interacción con los trabajadores)
siempre que se supere el criterio de aceptabilidad. Este tipo de garantía de calidad, aunque se
desarrolló para la fabricación, se puede aplicar a cualquier prestación de servicios o proceso de
cambio, incluidos los servicios humanos, la educación y el desarrollo organizacional. Los incidentes
críticos pueden ser un foco de muestreo de criterios. Por ejemplo, todos los incidentes de abuso
de clientes en un programa generarán una evaluación profunda en un esfuerzo de garantía de
calidad. Todos los exclientes de salud mental que cometen suicidio dentro de los tres meses
posteriores a la liberación pueden constituir una muestra para un estudio cualitativo en
profundidad. En un ambiente escolar, todos los estudiantes que están ausentes el 25% o más del
tiempo pueden merecer la atención profunda de un estudio de caso. El punto del muestreo por
criterio es asegurarse de comprender los casos que probablemente sean ricos en información
porque pueden revelar las principales debilidades del sistema que se convierten en objetivos de
oportunidad para la mejora del programa o del sistema. El muestreo por criterio puede agregar un
componente cualitativo importante a un sistema de información gerencial. o un sistema de
seguimiento del programa en curso. Todos los casos en el sistema de datos que exhiben ciertas
características de criterio predeterminadas se identifican de manera rutinaria para un análisis
cualitativo en profundidad. El muestreo por criterios también se puede utilizar para identificar
casos a partir de cuestionarios estandarizados para un seguimiento exhaustivo, por ejemplo, todos
los encuestados que informan haber experimentado discriminación continua en el lugar de
trabajo. (Esta estrategia solo se puede utilizar cuando los encuestados han proporcionado
voluntariamente la información de contacto). W. Edwards Deming (2000) afirmó célebremente:
“Las cosas más importantes no se pueden medir”. Con esto quiso decir que monitorear la variación
estadística a través de un proceso de control de calidad solo te dice si algo ha cambiado, si ha
surgido algún problema (fuera de la variación aceptable). Para saber por qué, tienes que ir donde
ha surgido el problema y luego observar y estudiar la situación de primera mano. Eso implica un
trabajo de campo cualitativo. El muestreo basado en criterios es una base para identificar casos
para una mayor investigación en el campo.

12- Muestreo continuo o de dosificación

El muestreo continuo se deriva de algún tipo de marco conceptual que distingue a personas,
programas, organizaciones o comunidades a lo largo de un continuo. Un ejemplo son las formas de
saber de las mujeres, que distingue cinco niveles de “ganar voz” a lo largo de un continuo: silencio,
conocimiento recibido, conocimiento subjetivo, conocimiento procedimental y conocimiento
construido (Belenky et al., 1986; véase el Anexo 1.5 en el Capítulo 1 para una descripción de cada
nivel). Este marco se deriva de la investigación cualitativa. Para probar el significado y la relevancia
del marco en nuevos escenarios y contextos, el investigador cualitativo seleccionaría
deliberadamente casos a lo largo del continuo. El muestreo continuo se basa en la comparación
porque estudia, describe, interpreta y compara casos a lo largo de alguna dimensión de interés,
como "ganar voz". La figura 5.10 ofrece algunos ejemplos bien conocidos de continuos que pueden
y han servido como marco conceptual para la selección de casos para ilustrar diferentes niveles de
un fenómeno de interés.

El muestreo de dosis es un tipo de muestreo continuo utilizado en la evaluación para distinguir

diferentes grados de participación en un programa vinculado a diferentes niveles de resultados.
Considere un centro de acogida para jóvenes después de la escuela que informa que atiende a
unos 500 adolescentes trimestralmente. El centro ayuda con la tarea, ofrece oportunidades
recreativas (baloncesto, voleibol), brinda refrigerios nutritivos y ofrece el apoyo del personal según
sea necesario. Sin embargo, si desagregamos el número 500, encontramos que alrededor de 400
solo vienen al centro tres o cuatro veces por trimestre, generalmente para el baile mensual o la
noche de pizza. Otros 70 vienen una vez a la semana. Luego, hay 30 participantes que vienen al
centro casi todos los días. Este último grupo es el de alta dosificación (alta participación, alto
impacto potencial). Los resultados promedio para toda la población de 500 serán mediocres en el
mejor de los casos porque el nivel de dosificación (grado de compromiso) es muy bajo. El grupo de
dosis alta, por el contrario, merecería estudios de casos en profundidad para comprender lo que
obtienen de las experiencias del centro. La dosis es importante. La investigación cualitativa aclara
cómo importa. Los niveles de dosificación a lo largo de un continuo de cero a alto pueden marcar
la diferencia, un hecho observado en el Renacimiento por el médico, botánico y alquimista
germano-suizo Paracelsus (1493-1541): El veneno está en todo, y nada está sin veneno. La dosis lo
convierte en un veneno o en un remedio.

Características del grupo Estrategias y opciones de muestreo (13-20)

Propósito de la muestra: seleccione casos para crear un grupo específico rico en información que
pueda revelar e iluminar patrones de grupo importantes. Una estrategia de muestreo intencionada
importante es crear un grupo de casos que brinde posibilidades de análisis y recopilación de datos
ricos en información. Por ejemplo, si está interesado en documentar la diversidad de personas,
organizaciones o lugares, puede crear una muestra diversa. Por el contrario, si está interesado en
un tipo particular de persona, organización o lugar, crearía una muestra homogénea. Esta sección
revisa seis enfoques para el muestreo basado en las características del grupo.

13- Muestreo de variación máxima (heterogeneidad)

Esta estrategia tiene como objetivo capturar y describir los temas centrales que atraviesan una
gran cantidad de variación. Para muestras pequeñas, una gran cantidad de heterogeneidad puede
ser un problema porque los casos individuales son muy diferentes entre sí. La estrategia de
muestreo de máxima variación convierte esa aparente debilidad en una fortaleza al aplicar la
siguiente lógica: cualquier patrón común que surja de una gran variación es de particular interés y
valor para capturar las experiencias centrales y las dimensiones centrales compartidas de un
entorno o fenómeno. ¿Cómo se maximiza? variación en una pequeña muestra? Empiece
identificando diversas características o criterios para construir la muestra. Suponga que un
programa estatal tiene sitios de proyectos repartidos por todo el estado, algunos en áreas rurales,
algunos en áreas urbanas y algunos en áreas suburbanas. La evaluación carece de recursos
suficientes para seleccionar al azar suficientes sitios de proyectos para generalizar en todo el
estado. El evaluador puede estudiar algunos sitios de cada área y al menos asegurarse de que la
variación geográfica entre los sitios esté representada en el estudio. Si bien la evaluación
describiría la singularidad de cada sitio, también buscaría temas comunes entre los sitios.
Cualquiera de estos temas adquiere mayor importancia precisamente porque surgen de una gran
variación. Por ejemplo, al estudiar los esfuerzos de conservación de energía basados en la
comunidad en todo el estado utilizando una estrategia de muestreo de heterogeneidad máxima,
construimos una muestra de matriz de 10 comunidades en las que cada comunidad era lo más
diferente posible de todas las demás comunidades en características tales como tamaño, forma de
gobierno local (p. , alcalde fuerte/alcalde débil), diversidad étnica, fortaleza de la economía,
demografía y región. En el análisis, lo que se destacó en estos diversos casos fue la importancia de
la presencia o ausencia de un cuadro local comprometido de personas que hicieron que las cosas
sucedieran. En un estudio del Programa de Becas de la Fundación MacArthur (conocido
popularmente como Premios Genius), el diseño se centró sobre estudios de casos de becarios
individuales. Durante los 20 años de premios, más de 600 personas recibieron becas. Solo
teníamos recursos suficientes para hacer 40 estudios de casos en profundidad. Maximizamos la
variación de la muestra mediante la creación de una matriz en la que cada persona de la muestra
era lo más diferente posible de las demás, utilizando dimensiones como la naturaleza del trabajo,
etapa en la carrera, visibilidad pública, afiliación institucional, edad, género, etnia, ubicación
geográfica y campo de trabajo. empeño. Los patrones temáticos de logros que surgieron de esta
diversidad nos permitieron construir un modelo para iluminar las dimensiones principales y los
factores del impacto del premio. Una señal surgió de toda la estática de la heterogeneidad. Una
canción emergió de todo el ruido disperso. Ese es el poder del muestreo de variación máxima
(heterogeneidad). Por lo tanto, al seleccionar una muestra pequeña de gran diversidad, la
recopilación y el análisis de datos producirán dos tipos de hallazgos: (1) descripciones detalladas y
de alta calidad de cada caso, que son útiles para documentando singularidades y diversidad, y (2)
importantes patrones compartidos que atraviesan los casos y derivan su significado de haber
surgido de la heterogeneidad.

14- Muestreo homogéneo

En contraste directo con el muestreo de máxima variación está la estrategia de elegir una pequeña
muestra homogénea, cuyo propósito es describir en profundidad algún subgrupo particular. Un
programa que tiene muchos tipos diferentes de participantes puede necesitar información
detallada sobre un subgrupo en particular. Por ejemplo, un programa de educación para padres
que involucre a muchos tipos diferentes de padres puede enfocar una evaluación cualitativa en las
experiencias de mujeres cabeza de familia monoparentales porque ese es un grupo
particularmente difícil de alcanzar y mantener en el programa. Las entrevistas de grupos focales
son típicamente homogéneas. Los grupos focales implican entrevistas abiertas con grupos de cinco
a ocho personas sobre temas especialmente específicos o enfocados. El uso de grupos focales se
discutirá con más detalle en el capítulo sobre entrevistas. El punto aquí es que el muestreo para los
grupos focales generalmente implica reunir a personas de antecedentes y experiencias similares
para participar en una entrevista grupal sobre los principales problemas que los afectan.

15- Muestreo de casos típicos

Esta estrategia implica seleccionar y estudiar varios casos que son promedio para comprender,
ilustrar y resaltar lo que es típico y normal. A veces nos interesan los valores atípicos, pero a veces
nos interesan los típicos. Estos son diferentes propósitos, intereses y estrategias. Cada uno es
valioso, pero cada uno tiene un propósito diferente. Por ejemplo, al describir una cultura,
comunidad o programa a personas que no están familiarizadas con el entorno estudiado, puede
ser útil brindar un perfil cualitativo de casos “típicos”. Estos casos se seleccionan utilizando datos
estadísticos sobre lo que es promedio, o con la cooperación de informantes clave, como el
personal del programa o miembros de la comunidad informados, que pueden ayudar a identificar
quién y qué es típico. Los casos típicos se pueden seleccionar utilizando datos de encuestas, un
análisis demográfico de promedios u otros datos estadísticos que proporcionen una distribución
normal de características a partir de las cuales identificar casos "similares a un promedio". Tenga
en cuenta que el propósito de un perfil cualitativo de uno o más casos típicos es describir e ilustrar
lo que es típico para quienes no están familiarizados con el entorno, no hacer declaraciones
generalizadas sobre las experiencias de todos los participantes. La muestra es ilustrativa, no
definitiva. Cuando programas o comunidades enteras son la unidad de análisis, los procesos y
efectos descritos para el programa típico pueden usarse para proporcionar un marco de referencia
para estudios de casos de sitios “pobres” o “excelentes”. Si se utiliza una estrategia de muestreo de
sitio típico, el sitio se selecciona específicamente porque no es en modo alguno atípico, extremo,
desviado o intensamente inusual. Esta estrategia es a menudo apropiada en el muestreo de aldeas
para estudios de desarrollo comunitario en países del Tercer Mundo. Un estudio de un pueblo
típico arroja luz sobre cuestiones clave que deben tenerse en cuenta en cualquier proyecto de
desarrollo dirigido a ese tipo de pueblo. En la evaluación y la investigación de políticas, los
intereses de los responsables de la toma de decisiones darán forma a la estrategia de muestreo.
Recuerdo una evaluación en la que los tomadores de decisiones clave habían hecho las paces con
el hecho de que siempre habrá algunos programas malos y algunos programas excelentes, pero los
programas sobre los que realmente querían más información eran los que llamaron "esos
programas comunes y corrientes". que son tan difíciles de manejar precisamente porque son muy
comunes y no se destacan de ninguna manera definitiva”. Dado ese marco, empleamos un
muestreo de casos típicos. Cuando se utiliza esta estrategia, es importante intentar obtener un
amplio consenso acerca de qué casos son "típicos" y qué criterios se utilizan para definir la
tipicidad.

16- Informantes clave, conocedores clave y muestreo reputacional

Los informantes clave son un grupo preciado. Estas son personas que tienen un conocimiento
especial sobre un tema y están dispuestas a compartir su conocimiento. Las entrevistas con
informantes clave fueron desarrolladas por etnógrafos para ayudar a comprender culturas distintas
a la suya. Debido a que ser un “informante” puede tener connotaciones negativas, prefiero el
término expertos clave. Informan nuestra consulta cuando aprovechamos su conocimiento,
experiencia y pericia. Los informantes clave son fuentes especialmente importantes sobre temas
especializados. La evaluación de la implementación de los Principios de la Declaración de París
sobre la ayuda al desarrollo se basó en gran medida en informantes clave de los gobiernos y
organismos internacionales porque el tema es muy especializado. Un estudio de la Ley de Reforma
de la Prostitución de Nueva Zelanda identificó y entrevistó como informantes clave a “aquellos que
han tenido experiencia directa de trabajar con o como trabajadoras sexuales” (Mossman &
Mayhew, 2007, p. 21). estrategia o usarse en combinación con otros enfoques. Por ejemplo, la
identificación de valores atípicos o casos típicos puede comenzar con entrevistas a informantes
clave. Preskill y Beer (2013) utilizaron entrevistas a informantes clave para identificar ejemplos de
evaluación del desarrollo y determinar las dimensiones centrales y críticas del enfoque. Los
expertos clave brindan una valiosa experiencia y conocimientos sobre la raíz de los problemas,
como en un estudio de las barreras que experimentan las fundaciones filantrópicas que limitan su
capacidad para planificar y actuar estratégicamente (Patrizi, Thompson, Coffman y Beer, 2013). Las
entrevistas con informantes clave se utilizan ampliamente para identificar tendencias y direcciones
futuras, como cuando Gopalakrishnan, Preskill y Lu (2013) entrevistaron a más de una docena de
líderes de fundaciones, profesionales de la evaluación y líderes intelectuales del sector social para
identificar las características y los enfoques de la “evaluación de la próxima generación”. Me puse
en contacto con especialistas en metodología de evaluación cualitativa para obtener información
sobre una presentación en la conferencia anual de 2013 de la Asociación Estadounidense de
Evaluación (AEA) sobre "Diez tendencias principales en evaluación cualitativa durante la última
década y desafíos futuros". En esencia, las entrevistas con expertos clave se encuentran entre las
estrategias de muestreo más comunes para la investigación cualitativa. El truco, por supuesto, es
identificar y obtener la cooperación de expertos genuinamente informados. Así que permítanme
reiterar: como con todas las muestras, lo que termine teniendo algo que decir depende de quién
muestree.

17- Población objetivo completa

A veces, incluso un pequeño número es todo el mundo. Una población objetivo completa involucra
entrevistar y/u observar a todos dentro de un grupo de interés. Para un pequeño programa local
de educación para padres sobre la primera infancia con 20 participantes, esto significaría incluir a
todos en el estudio. Estos son otros ejemplos de muestras completas de la población objetivo: •
Dar seguimiento a los 19 corredores de maratón que perdieron extremidades en el atentado
terrorista del maratón de Boston de 2013 • Estudiar la recuperación de los 21 niños (de 5 meses a
12 años de edad) que sobrevivieron a la redada del gobierno de EE. UU. en 1993 Complejo de culto
religioso de la rama davidiana en Waco, Texas (Perry & Szalavitz, 2006, cap. 3) • Realización de
estudios de casos de todos los participantes en una cohorte del programa de Liderazgo
Comunitario de Blandin (n = 24) • Estudios de casos detallados y a largo plazo de los octillizos
Suleman nacidos en 2009: la tasa de supervivencia récord mundial para un conjunto completo de
octillizos que sobrevivieron a la infancia Cada uno de estos ejemplos se refiere a un grupo rico en
información que es único y digno de estudio por derecho propio. Eso es lo que hace que un grupo
objetivo de población completo sea el foco de la investigación cualitativa.

18- Muestreo por cuotas

En el muestreo por cuotas, se selecciona un número predeterminado de casos para llenar

categorías importantes de casos en una población más grande. El muestreo por cuotas asegura
que ciertas categorías se incluyan en un estudio independientemente de su tamaño y distribución
en la población. Por ejemplo, un contrato de evaluación estatal especifica que el estudio llevará a
cabo 12 estudios de casos comunitarios, con 3 casos de cada una de las cuatro regiones. Tener
casos iguales de cada región es una consideración política. Este muestreo es una técnica no
probabilística porque solo requiere que se cumpla la cuota para cada categoría sin prestar más
atención a cómo se ubican realmente esos miembros de la muestra. Por ejemplo, un estudio de
organizaciones de servicios sociales podría establecer cuotas tanto para el número de proveedores
públicos y privados como para el número de agencias más grandes y más pequeñas en la muestra.
De manera similar, un estudio de entrevistas podría seleccionar a los participantes usando una
tabla de dos por dos para género y edad, de modo que una cuarta parte de los informantes fueran
mujeres más jóvenes, una cuarta parte hombres mayores, y así sucesivamente. (Morgan, 2008b, p.
722) El muestreo por cuotas también se utiliza para asegurar que ciertas categorías importantes,
ya sean demográficas, geográficas o teóricas, se incluyan en el estudio. El muestreo por cuotas
también ayuda con los cálculos presupuestarios y logísticos, porque el diseño especifica
exactamente cuántos casos (la cuota) se incluirán en cada categoría. tamaño de la muestra. Janice
Morse (2000) aboga por el muestreo por cuotas como base para la investigación cualitativa
“orgánica” que crece a medida que la investigación se desarrolla y profundiza. Las cuotas son un
punto de partida, una línea de base para iniciar una investigación, pero el tamaño y la composición
de la muestra se pueden ajustar en función de lo que se aprende a medida que se profundiza la
investigación. Este uso del muestreo por cuotas tiene una sensibilidad emergente. Se utiliza para
respaldar el muestreo teórico y se implementa para respaldar el desarrollo de la teoría y la
confirmación posterior. Son cruciales para esta práctica de muestreo orgánico las formas en que
respalda la generalización teórica y los relatos evocativos e ilustrativos de la investigación. Al tratar
de emprender un tipo particular de análisis, los investigadores modelan y forman su muestra
reflexivamente. . . caracteriza a los investigadores por tomar decisiones de muestreo en la
investigación desde las primeras etapas de planificación de un estudio hasta su finalización.
Reconoce que toda investigación se enfrenta a limitaciones éticas y de recursos. El papel de los
investigadores en la configuración de la investigación que realizan a través de las formas en que
enmarcan su estudio y toman decisiones sobre la estrategia de muestreo son fundamentales para
este enfoque. El énfasis aquí no está en una respuesta reflexiva a los hallazgos empíricos que se
desarrollan en un estudio, sino a los investigadores como agentes reflexivos que toman decisiones
sobre a quién o qué muestrear y el universo con el que esto se relaciona. (Emmel, 2013, pág. 63)

19- Muestreo aleatorio intencional

Una estrategia de muestreo intencional no elimina automáticamente cualquier posibilidad de

selección aleatoria de casos. Para muchas audiencias, el muestreo aleatorio, incluso de muestras
pequeñas, aumentará sustancialmente la credibilidad de los resultados. Recientemente trabajé con
un programa que se presenta anualmente ante la legislatura estatal y cuenta "historias de guerra"
sobre los éxitos y las luchas de los clientes, a veces incluso incluye algunas historias sobre fallas en
proporcionar equilibrio. Para mejorar la credibilidad de sus informes, el director y el personal
decidieron comenzar a recopilar información de evaluación de manera más sistemática. Debido a
que se esforzaban por obtener resultados individualizados, rechazaron la idea de basar la
evaluación completamente en un instrumento estandarizado previo y posterior. Querían recopilar
historias de casos y hacer estudios de casos en profundidad de los clientes, pero tenían recursos y
tiempo muy limitados para dedicar a dicha recopilación de datos. En efecto, el personal en cada
sitio del programa, muchos de los cuales atienden de 200 a 300 familias al año, sintieron que solo
podían hacer 10 o 15 historias clínicas detalladas y detalladas cada año. Sistematizamos el tipo de
información que entraría en las historias de casos en cada sitio del programa y luego establecimos
un procedimiento aleatorio para seleccionar aquellos clientes cuyas historias de casos serían
registradas en profundidad, sistematizando y aleatorizando así su colección de “historias de
guerra”. Si bien no pueden generalizar a toda la población de clientes sobre la base de 10 casos de
cada sitio del programa, podrán decirles a los legisladores que las historias que están informando
fueron seleccionadas al azar antes de saber cómo aparecerían los resultados y que la información
recopilada fue integral. . La credibilidad de los ejemplos de casos sistemáticos y seleccionados al
azar es considerablemente mayor que la selección personal ad hoc de casos seleccionados e
informados después del hecho, es decir, después de que se conocen los resultados. de cientos de
pueblos. Aunque el tamaño de la muestra era demasiado pequeño para ser considerado
representativo o generalizable, la selección aleatoria evitó la controversia sobre el posible sesgo de
selección. La Figura 5.11 presenta otro ejemplo, una estrategia de muestreo de métodos mixtos en
la que se seleccionó una muestra aleatoria para reducir la gran cantidad de casos potenciales
(varios miles) a unos pocos manejables para ser considerados para una pequeña muestra útil. Es
fundamental entender que estamos hablando de una muestra aleatoria intencional, no de una
muestra aleatoria representativa. El propósito de una pequeña muestra aleatoria es la credibilidad
y la manejabilidad, no la representatividad. Una muestra aleatoria pequeña e intencional tiene
como objetivo reducir la sospecha acerca de por qué se seleccionaron ciertos casos para el estudio,
pero esa muestra aún no permite generalizaciones estadísticas. Para reiterar, la característica
definitoria del grupo de una muestra aleatoria intencional es su aleatoriedad.

20- Muestreo de tiempo y lugar

La estrategia final en la categoría Características del grupo es el muestreo de tiempo y lugar, en el

que entrevista a todos los presentes en un lugar en particular durante un período de tiempo en
particular. Por ejemplo, puede interesarle estudiar a todos los que hacen ejercicio en un gimnasio
todos los días después del trabajo (o todos los días antes del trabajo). El tiempo (antes del trabajo)
y la ubicación (gimnasio) se combinan para generar una muestra rica en información. Esta
estrategia se puede utilizar en el muestreo de las redes sociales. Por ejemplo, más de 3500
personas se registraron para la reunión anual de la AEA de 2013 en Washington, D.C. La
conferencia ofreció un sitio de Twitter (#eval13). Todos aquellos que publicaron varios tweets
(Twitter es una ubicación virtual) durante la semana de la conferencia (límite de tiempo)
constituirían una muestra de tiempo y ubicación. Encontrar cómo ser parte activa de la Comunidad
de Evaluación de Twitter durante la conferencia puede ser una consulta de interés e importancia
para el liderazgo de la AEA.

Estrategias y opciones de muestreo conceptual y teórico

Propósito de la muestra: Seleccionar casos de estudio que sean ejemplos del concepto o
construcción que es el foco de la investigación, para iluminar las ideas teóricas de interés. Hagamos
una revisión rápida. El primer conjunto de estrategias de muestreo intencional implicó observar el
valor del estudio en profundidad de casos individuales (n = 1). Luego, recurrimos al muestreo
centrado en la comparación, que selecciona casos para comparar y contrastar similitudes y
diferencias significativas entre ellos y los factores que explican esas diferencias. El tercer conjunto
de estrategias de muestreo intencional, que acabamos de revisar, implica la creación de un grupo
de casos que proporcionen posibilidades de análisis y recopilación de datos ricos en información.
Ahora pasamos a una estrategia de muestreo intencional claramente diferente: seleccionar casos
para iluminar conceptos y teorías.

Orientaciones teóricas y muestreo

El Capítulo 3 presentó una variedad de marcos de investigación cualitativos basados en

orientaciones paradigmáticas, filosóficas y teóricas. Estos proporcionan marcos para determinar las
prioridades de la investigación y las preguntas centrales, pero brindan poca orientación genérica
sobre el muestreo. Una investigación etnográfica, por ejemplo, pregunta: "¿Cuál es la cultura de
este grupo de personas?" Pero el grupo estudiado puede ser uno o más grupos étnicos, tribus,
aldeas, barrios, escuelas, organizaciones, programas, pandillas, clubes, etc., cualquier conjunto de
personas de las que se pueda decir que comparten una perspectiva cultural. La selección de casos
depende de qué cultura o culturas quiera estudiar el etnógrafo. Ese es el desafío del muestreo. Por
ejemplo, el influyente libro Patterns of Culture de la antropóloga pionera RuthFulton Benedict
(1934) comparó y contrastó las culturas Pueblo del suroeste de Estados Unidos con las culturas
nativas americanas de las Grandes Llanuras. La suya fue una muestra de comparación emparejada.
La fenomenología dirige a los investigadores cualitativos a preguntarse: "¿Cuál es el significado, la
estructura y la esencia de la experiencia vivida de este fenómeno para esta persona o grupo de
personas?" Pero los casos que elija estudiar dependerán de qué fenómeno le interese entre qué
grupo de personas. Barnett (2005) estudió la experiencia de personas que viven con enfermedad
pulmonar obstructiva crónica. Esta fue una muestra de grupo homogéneo reclutada a través de
referencias clínicas. Por lo tanto, elegir trabajar dentro de una tradición teórica importante no le
dice cómo muestrear. Las opciones que estamos revisando todavía están abiertas para ti. Eso
incluye las opciones de muestreo conceptual o teórico. Comencemos con el muestreo de
construcción teórica deductiva.

21- Muestreo Teórico Deductivo para Profundizar o Verificar Construcciones Derivadas de la

Teoría; Muestreo de construcciones operativas

El muestreo deductivo de constructos teóricos implica encontrar manifestaciones de casos de un

constructo teórico de interés para examinar y elaborar el constructo, sus variaciones e
implicaciones. Los constructos teóricos se basan en, se derivan y contribuyen a la literatura
académica. En el muestreo deductivo de construcciones teóricas, el investigador toma muestras de
incidentes, segmentos de la vida, períodos de tiempo o personas sobre la base de su manifestación
o representación potencial de construcciones teóricas importantes. Estos son algunos ejemplos de
constructos teóricos estudiados cualitativamente. • Cultura: Geertz (1988) utilizó la investigación
etnográfica y la “descripción densa” para interpretar la “teoría de la cultura”. • Resiliencia:
Buckholt (2001) estudió la resiliencia entre adultos sobrevivientes de abuso; El estudio de la
resiliencia entre los jóvenes traumatizados tiene como objetivo integrar la teoría y la práctica
(Perry y Szalavitz, 2006). • Trauma: Perry y Szalavitz (2006) utilizaron estudios de casos para
estudiar el trauma y el estrés postraumático entre los niños. • Respeto: Lawrence-Lightfoot (2000)
utilizó casos basados en “retratos” cualitativos para investigar los significados y la naturaleza del
respeto. • Incesto: Gilgun (1995) examinó los conceptos de justicia, cuidado e incesto entre los
perpetradores de incesto. • Raza: Hilliard (1989) examinó el concepto de raza a través de
documentos históricos , imágenes y textos en el antiguo Egipto. • Institución total: Erving Goffman
originó este concepto al estudiar los asilos, y posteriormente sirvió como el enfoque conceptual
para una variedad de estudios institucionales (Davies, 1989; Goffman & Helmreich, 1961). •
Epifanías: estas son momentos y eventos que cambian la vida, “aquellas experiencias de vida que
alteran y moldean radicalmente los significados que las personas se dan a sí mismas y a sus
experiencias” (Denzin, 2001, p. 1). El muestreo teórico deductivo implica profundizar o verificar la
teoría en nuevos contextos, nuevos tiempos. periodos, o situaciones nuevas. El muestreo de
"constructos operativos" implica seleccionar para el estudio ejemplos del mundo real (es decir,
ejemplos operativos) de los constructos en los que uno está interesado. El estudio de varios de
estos ejemplos se denomina “operacionalismo múltiple” (Webb, Campbell, Schwartz y Sechrest,
1966). Por ejemplo, la teoría clásica de la difusión de las innovaciones (Rogers, 1962) predice que
los primeros adoptantes de alguna innovación serán diferentes en formas significativas de los
adoptantes posteriores. Entonces, hacer estudios de caso sobre los adoptantes tempranos y
tardíos sería un ejemplo de muestreo basado en la teoría. Estas muestras a menudo se seleccionan
necesariamente a propósito porque es posible que no se conozca la población de todos los
adoptantes tempranos y tardíos, por lo que el muestreo aleatorio no es una opción. Cuando se
estudian personas, programas, organizaciones o comunidades, la población de interés se puede
determinar con bastante facilidad. Los constructos, sin embargo, no tienen un marco de referencia
tan claro: para el muestreo de instancias operativas de constructos, no hay una población objetivo
concreta. . . . En general, por lo tanto, nos vemos obligados a seleccionar sobre una base
intencional aquellos casos particulares de un constructo que los estudios de validez anteriores, la
práctica convencional, la intuición individual o la consulta con personas de mentalidad crítica
sugieren que ofrecen la correspondencia más cercana al constructo de interés. (Cook, Leviton y
Shadish, 1985, pp. 163-164) Lo que distingue al muestreo de construcción teórica deductiva es que
la investigación comienza con la selección de un concepto de interés e importancia dentro de una
disciplina o campo y luego identifica una unidad de análisis para estudiar el concepto. Eso lleva a la
selección de la muestra. La muestra se vuelve, por definición y selección, ilustrativa del concepto
teórico de interés.

22- Muestreo inductivo de teoría fundamentada y emergente

El muestreo teórico inductivo es lo que los teóricos fundamentados definen como “muestreo sobre
la base de los conceptos emergentes, con el objetivo de explorar el rango dimensional o las
condiciones variadas a lo largo de las cuales varían las propiedades de los conceptos” (Strauss &
Corbin, 1998, p. 73). En las investigaciones de teoría fundamentada, el trabajo de campo abierto se
centra en la observación de las interacciones sociales del mundo real que revelan conceptos que se
convierten en la base para el muestreo posterior. “Los participantes se seleccionan de acuerdo con
las necesidades descriptivas de los conceptos y la teoría emergentes” (Morse, 2010, p. 235). En
esencia, en una estrategia inductiva, la teoría emergente guía la selección de la muestra. La
muestra se construye a medida que la teoría emerge pasando de la exploración a la profundización
y la verificación. Por lo tanto, el muestreo teórico fundamentado se vuelve más selectivo a medida
que la teoría emergente enfoca la investigación. Se agregan casos adicionales para respaldar la
comparación constante como un proceso de análisis de agudización de la teoría. El muestreo
teórico inductivo es un desafío porque la muestra debe crearse a medida que se desarrolla la
investigación. Ese muestreo teórico es mucho más difícil que recopilar datos con grupos
planificados previamente; los individuos y grupos seleccionados teóricamente requieren que las
decisiones se tomen informadas por el pensamiento, el análisis y la búsqueda. La inclusión
continua de la muestra en el estudio es por una razón estratégica, para probar la teoría emergente.
(Emmel, 2013, p. 15) La evidencia no se recopila porque describirá o verificará con precisión alguna
posición teórica preconcebida. De hecho, la verificación deductiva de la teoría existente es "la
némesis" de la teoría fundamentada: la lógica no es una de: "Planeo para muestrear este grupo
porque usan este servicio, y este grupo porque no usan este servicio.” Estas reglas de evidencia
dificultan el descubrimiento de la teoría. Los grupos se eligen porque los datos que producen se
relacionan con una categoría particular de la investigación. La búsqueda es por grupos que
muestran la categoría investigada en diferentes situaciones. (Emmel, 2013, p. 15) En la teoría
fundamentada, el muestreo teórico respalda el método de análisis comparativo constante. Es decir,
se hace un muestreo teórico en la teoría fundamentada para utilizar el método de análisis
comparativo constante. Los dos van de la mano, conectando diseño y análisis. El muestreo teórico
permite dilucidar y refinar las variaciones, manifestaciones y significados de un concepto tal como
se encuentra en los datos recopilados durante el trabajo de campo. El método comparativo
constante implica examinar y refinar sistemáticamente las variaciones en conceptos emergentes y
fundamentados. Las variaciones en el concepto deben ser muestreadas para compararlas y
contrastarlas rigurosamente. (Vea los Capítulos 3 y 8 para discusiones más detalladas de la teoría
fundamentada.)

23- Muestreo realista

La teoría siempre precede a la recopilación de datos en una estrategia de muestreo científico

realista.—Nick Emmel (2013, p. 95) Revisé el realismo como una base teórica distinta para guiar la
investigación cualitativa en el Capítulo 3 (ver pp. 111–114). El realismo se ha convertido en una
perspectiva influyente en la investigación cualitativa en general (Maxwell, 2012) y en la evaluación
de programas en particular (Astbury, 2013; Pawson, 2013; Rogers, 2014; Westhorp, 2013). Emmel
(2013) ha escrito la descripción más completa del muestreo realista. Las teorías son la base del
muestreo realista “porque, aunque construidas, son reales en el sentido de ser y explicar la
realidad” (p. 95). Las decisiones de muestreo pueden basarse en una amplia gama de teorías, pero
deben basarse en la teoría de alguna manera directa. Aquí hay una muestra intencionada de las
explicaciones de Emmel sobre el muestreo realista: • Para un realista, existe una relación entre los
procesos mentales y lo que es directamente observable y grabable Ambos deben tenerse en
cuenta en cualquier descripción de la investigación que hacemos. Por extensión, el muestreo en la
investigación cualitativa realista resuelve la relación entre la teoría y la evidencia de las muestras
que seleccionamos. (pág. 71) • Para los realistas, los mecanismos generativos gobiernan, median,
impiden y facilitan las opciones de muestreo. Estos son los poderes que describe el muestreo. (p.
74)• En un relato realista de la investigación, la teoría, como mecanismo generativo de la forma en
que se asigna la vivienda a las mujeres maltratadas que han dejado a sus parejas, es
ontológicamente real. La explicación y la interpretación en una estrategia de muestreo realista
prueban y refinan la teoría. Las opciones de muestreo buscan ejemplos de mecanismos en acción
o inacción para poder decir algo explicativo sobre sus poderes causales. Muestreo . . es a la vez
preespecificado y emergente, se impulsa a través de un compromiso con lo que ya se sabe sobre lo
que se está investigando y las ideas catalizadas a través del compromiso con relatos empíricos. (p.
85) • [Los investigadores realistas] pasarán una cantidad considerable de tiempo pensando dónde
es más probable que ocurra el fenómeno que están interesados en investigar. . . . Los
investigadores a menudo enfrentan oportunidades en su trabajo de campo para elegir una
persona, organización u objeto para ser muestreado. Estas elecciones están hechas. . . porque se
piensa que la inclusión de esta unidad en la investigación permitirá el perfeccionamiento y
elaboración de la teoría. (p. 80) Un enfoque realista del muestreo para la evaluación de programas
es ilustrativo. Suponga que un evaluador realista quiere evaluar un programa destinado a ayudar a
las familias pobres a salir de la pobreza. Una estrategia de muestreo realista comenzaría
identificando ideas sobre cómo el programa pretendía ayudar a estas familias, identificando
esencialmente los mecanismos causales hipotéticos dentro del contexto del programa. Esta
conceptualización dirigiría el muestreo. “La muestra realista siempre se basa en la teoría. . . . Las
ideas impulsan las elecciones de muestreo” (Emmel, 2013, p. 83). El muestreo realista está guiado
por decisiones de diseño basadas en la teoría (deducción) mientras está abierto a lo que emerge
(inducción). Esto requiere reflexividad

Las consideraciones de reflexividad refuerzan la observación de que el muestreo no es

procedimental. Estos procesos no se pueden predecir de antemano, ni se ajustan a las reglas. Son
cuestiones de juicio hechas por los investigadores. Se enfatizan las incertidumbres y complejidades
de hacer investigación. Podemos aceptar, rechazar o muy probablemente refinar la teoría a través
del trabajo teórico de muestreo que ocurre en la investigación. Este tamizado, aventado y
subsiguiente refinamiento de la teoría propugnada en una estrategia de muestreo realista
científica no puede describirse mediante reglas de compromiso con los datos y el relato
probatorio. La práctica reflexiva en el muestreo sólo puede moldearse mediante pautas de práctica
hacia la tarea de producción de conocimiento. (Emmel, 2013, pág. 87)

24- Muestreo de casos de vías causales

Si el propósito principal de una investigación cualitativa es estudiar los mecanismos causales y

dilucidar o confirmar las relaciones causales, el caso rico en información será el que permita el
estudio de la causalidad. Esto significa diseñar el estudio y seleccionar casos para “maximizar la
influencia sobre la hipótesis causal” (George & Bennett, 2005, p.172). John Gerring (2007) ha
llamado a esto un caso de vía: Una de las funciones más importantes de la investigación de estudio
de caso es la elucidación de los mecanismos causales. . . . Pero, ¿qué tipo de caso es más útil para
este propósito? Aunque presumiblemente todos los estudios de casos arrojan luz sobre los
mecanismos causales, no todos los casos son igualmente transparentes. En las situaciones en las
que una hipótesis causal es clara y ya ha sido confirmada mediante un análisis de casos cruzados,
se aconseja a los investigadores que se centren en un caso en el que el efecto causal de un factor
pueda aislarse de otros factores potencialmente confusos. Llamaré a esto un caso de vía para
indicar su visión única y penetrante de los mecanismos causales. Para aclarar, el caso de vía existe
solo en circunstancias donde los patrones de covariación entre casos están bien estudiados pero
donde el mecanismo que vincula X1 e Y permanece oscuro. Debido a que el caso de la ruta se basa
en un análisis previo de casos cruzados, el problema de la selección de casos debe situarse dentro
de esa muestra. No existe un caso de vía independiente. (p. 122) Los ejemplos de Gerring (2007) se
extraen de la ciencia política. Por ejemplo, un estudio de caso de cómo la reforma iniciada por el
liderazgo conduce a una mayor democratización trazaría el camino causal desde el liderazgo hasta
la reforma y la democratización (p. 123). Concluye: Cuando los investigadores se refieren a un caso
particular como un "ejemplo" de un fenómeno más amplio, a menudo se refieren a un caso de vía.
Este tipo de caso ilustra la relación causal de interés de una manera particularmente vívida y, por lo
tanto, puede considerarse un tropo común entre los investigadores de estudios de casos. (pág.
131)

25- Sensibilización de Conceptos Ejemplares de Muestreo

Sensibilizar el muestreo de conceptos implica encontrar casos ricos en información que puedan
iluminar el uso y el significado de conceptos particulares dentro de entornos particulares. La
diferencia con el muestreo teórico deductivo (o el muestreo de constructo operativo) es que el
enfoque está en los usos y significados contextualmente específicos en lugar de la contribución a la
teoría en general. Los conceptos de sensibilización podrían, teórica y conceptualmente, subsumirse
dentro del muestreo teórico, pero considero que el enfoque es lo suficientemente distinto como
para merecer su propia atención. La razón, en parte, es la distinción etnográfica entre "emic" y
"etic", para distinguir los sistemas de clasificación informados por los antropólogos en función de
(a) el lenguaje y los conceptos utilizados por las personas en la cultura estudiada, un enfoque emic,
de (b) conceptos y categorías creados por antropólogos basados en su análisis de distinciones
culturales importantes, un enfoque ético (Pike, 1954). El muestreo de conceptos sensibilizadores es
un enfoque emi del muestreo conceptual. Al sociólogo cualitativo e interaccionista simbólico
Herbert Blumer (1954) se le atribuye el origen de la idea del “concepto sensibilizador” como una
guía para el trabajo de campo con especial atención a las palabras y significados que prevalecen
entre las personas que están siendo estudiadas. estudió. Por lo tanto, la distinción entre el
muestreo de constructos teóricos y el muestreo de conceptos de sensibilización es que los
primeros conceptos se originan en la literatura académica, mientras que los últimos se basan en el
lenguaje de la gente común. Los conceptos sensibilizantes brindan una dirección inicial a un
estudio, ya que el trabajador de campo investiga cómo se le da significado al concepto en un lugar
particular o un conjunto de circunstancias que se están estudiando (Schwandt, 2001). Un concepto
sensibilizador hace que el investigador o evaluador sea sensible a un concepto de importancia para
algún grupo de personas. Ser sensible significa estar en sintonía con la forma en que se utiliza el
concepto, lo que significa y cómo proporciona información sobre las perspectivas y los
comportamientos de las personas que utilizan el concepto. Se debe identificar y seleccionar una
muestra que ilumine el concepto sensibilizador. Estos son algunos ejemplos: • Intimidación: La
intimidación en la escuela es motivo de gran preocupación. En casos extremos, la intimidación
puede provocar lesiones físicas y psicológicas e incluso la muerte. Una muestra de estudiantes en
una escuela podría diferenciar (a) aquellos que son víctimas de intimidación, (b) aquellos que son
acosadores y (c) aquellos que observan la intimidación pero no son ni víctimas ni perpetradores.•
Como maorí: un deporte y El programa de recreación en Nueva Zelanda se ha construido en torno
a la idea de participar como maorí. Esto contrasta con el marco conceptual del gobierno tradicional
de aumentar la participación de los maoríes. La participación como maorí fue un cambio
conceptual que se convirtió en el foco de investigación para una evaluación del desarrollo del
programa que recibió el Premio a la Mejor Política y Sistemas de Evaluación de 2013 de la Sociedad
de Evaluación de Australasia (McKegg, Wehipeihana Pipi y Thompson, 2013).• Sistema: diecisiete
organizaciones trabajar en colaboración en los programas de visitas domiciliarias para la primera
infancia hablan de cambiar “el sistema”. ¿Qué quieren decir con “el sistema”? ¿Quién y qué está en
su sistema? ¿Qué implica el cambio de sistemas y cómo es para ellos? (Hargreaves & Paulsell,
2009). • Conciencia de morir: ¿Cómo se comunican las personas dentro de un contexto particular
con y acerca de las personas que tienen una enfermedad terminal? (Glaser &Strauss, 1965).•
Salud: ¿Cómo piensan las personas en las instituciones de salud acerca de conceptos como salud,
salud pública y promoción de la salud? ¿Qué significa estar sano? ¿Insalubre? (Flick, 2000, 2007a,
pp. 18–20) Edad mediana: el experto en lingüística William Safire (2007) dedicó una columna del
New York Times a reflexionar sobre la “edad mediana”. Consideró varias definiciones operativas,
juzgando cada una de ellas inadecuada. De hecho, cuanto más precisa es la definición (p. ej., edad
de 45 a 60 años), más problemática es su utilidad general. Llegó a la conclusión de que la
ambigüedad inherente del término vida mediana y la implicación resultante de que cada uno de
nosotros debe definirlo en su contexto no lo convertían en un eufemismo sino en una “utilidad”.
Para nuestro propósito, también es un concepto sensibilizador. El muestreo basado en ejemplos de
conceptos sensibilizadores involucra esencialmente dos dimensiones: (1) un término o etiqueta
utilizada por un grupo de personas (el concepto sensibilizador) y (2) la identificación de las
personas o situaciones donde ese concepto sensibilizador será manifiesto. El propósito de la
muestra es iluminar los usos y significados del concepto sensibilizador dentro de un contexto
específico (el caso o los casos muestreados). Y en caso de que esté buscando un concepto
sensibilizador simple pero profundo para estudiar, considere esta solicitud de la autora de best-
sellers Gail Sheehy (2006): Ojalá hubiera un premio para las personas que llegan a entender el
concepto de suficiente. Suficientemente bueno. Lo suficientemente exitoso. Lo suficientemente
delgado. Lo suficientemente rico. Suficientemente socialmente responsable.

26- Muestreo centrado en principios

Los principios brindan orientación y dirección para trabajar con personas necesitadas o para tratar
de generar un cambio. Los principios, a diferencia de las reglas, implican juicio y deben adaptarse
al contexto y la situación. La evaluación centrada en principios, discutida en el Capítulo 4,
necesariamente emplea un muestreo centrado en principios. Esto involucra identificar y estudiar
casos que iluminen la naturaleza, implementación, resultados e implicaciones de los principios.
Estudiar la implementación y los resultados de principios efectivos basados en evidencia es una
nueva dirección importante en la evaluación del desarrollo (Patton, 2011, pp. 167–168, 194–195).
Un enfoque basado en principios es apropiado cuando un grupo de diversos programas son todos
adhiriéndose a los mismos principios pero cada uno adaptando esos principios a su propia
población objetivo particular dentro de su propio contexto. Un principio se define como una
proposición fundamental que sirve como base para un sistema de creencias o conductas o para
una cadena de razonamiento. Un enfoque de principios efectivos basados en evidencia asume que
mientras los principios siguen siendo los mismos, al implementarlos, necesariamente y
apropiadamente habrá una adaptación dentro y entre contextos. En conjunto, un conjunto de
principios proporciona un marco que guía enfoques y soluciones cohesivos. La evidencia de la
efectividad de los principios se deriva de estudios de casos detallados sobre su implementación e
implicaciones. Los resultados de los estudios de caso se sintetizan luego a través de los diversos
programas, todos adhiriéndose a los mismos principios pero cada uno adaptando esos principios a
su propia población meta particular dentro de su propio contexto. Consulte la Figura 4.7 en el
Capítulo 4 para ver un ejemplo y una discusión de la evaluación centrada en principios. Las
construcciones teóricas como base para el muestreo se derivan de estudios disciplinarios y
literatura académica. Los conceptos de sensibilización como enfoque para la selección de casos se
centran en términos que tienen un significado especial para personas que utilizan el concepto de
interés dentro de un contexto particular. El muestreo centrado en principios tiene como objetivo
dilucidar la naturaleza y las implicaciones de advertencias prescriptivas como “Planifica tu trabajo.
Trabaje en su plan. ¿Qué significa esto en la práctica para un grupo específico de profesionales?
¿Hasta qué punto y de qué manera, en todo caso, se sigue este principio? Y si se sigue, ¿cómo
afecta el comportamiento el adherirse a este principio? La muestra para la encuesta consistiría en
personas en organizaciones o profesiones que profesan adhesión a este principio. En mi opinión,
los principios se han promocionado tanto como una base para la acción y, como resultado, un foco
de investigación tan importante que el muestreo centrado en principios merece su propia
categoría entre las opciones de muestreo intencional.

27- Muestreo de sistemas complejos y dinámicos

Los objetos de estudio (unidades de análisis) que se muestrearán en los estudios de casos
centrados en la complejidad incluyen interdependencias, procesos no lineales, fenómenos
emergentes y eventos inesperados. El muestreo de sistemas complejos y dinámicos implica la
selección de casos en los que se puedan rastrear, estudiar y documentar procesos dinámicos
complejos. con el tiempo. Tales estudios son inherentemente muy emergentes. Este tipo de
muestreo con propósito se deriva de la mayor atención que se presta al pensamiento sistémico y la
complejidad como construcciones teóricas generales para comprender el mundo (Hieronymi,
2013). El estudio de sistemas dinámicos complejos plantea desafíos especiales porque se
caracterizan por la turbulencia, la incertidumbre, la imprevisibilidad, la no linealidad y el cambio
rápido. Esto significa rastrear y documentar fenómenos dinámicos complejos, como círculos
viciosos y virtuosos, efectos dominó, adopción y adaptación de innovaciones, fenómenos de
propagación de tipo viral, dinámicas de colaboración colectiva, interacciones de red y eventos de
"cisne negro", que son altamente improbables y tienen un alto impacto. (Taleb, 2007). La unidad
de análisis para este tipo de indagación serán fenómenos como una innovación, un sistema, un
incidente crítico, una gran iniciativa de cambio, un movimiento social, un desastre y otros
fenómenos dinámicos de alta complejidad. A menudo, tales estudios serán retrospectivos (después
del hecho), pero algunas, por ejemplo, nuevas iniciativas innovadoras importantes, pueden
identificarse prospectivamente. Estos son algunos ejemplos: • Mapeo de los efectos dominó de
una importante iniciativa de innovación de extensión agrícola (Chazdon & Alviz, 2013) • Estudio de
movimientos sociales dinámicos a lo largo del tiempo, como Mothers Against Drunk Driving y el
movimiento de innovación de microcrédito de Muhammad Yunus (Westley et al., 2006) • Evaluar
el impacto y la influencia de la asistencia de emergencia durante y después del genocidio de
Ruanda de 1994 (Dallaire & Beardsley, 2004; Danida, 2005; Naciones Unidas, 1996) • Estudiar la
crisis financiera mundial de 2008 (J. B. Stewart, 2009) • Extraer lecciones de la crisis humanitaria
respuesta al terremoto y tsunami del Océano Índico de 2004 (Christoplos, 2006; UNICEF, 2008)
Cada uno de estos ejemplos manifiesta complejidad. He señalado los sistemas dinámicos
complejos como una forma específica de muestreo intencional centrado en la teoría porque
implica desafíos de muestreo únicos. Los fenómenos complejos requieren diseños emergentes y
un trabajo de campo flexible para seguir la acción dondequiera que se desarrolle. El muestreo
tiene múltiples facetas: observar a los que participan en el sistema, entrevistar a los actores clave,
hacer un seguimiento de las decisiones, localizar y analizar documentos y sumergirse en el caos a
medida que avanza en su curso desconocido e impredecible. La complejidad será el tema
dominante del siglo XXI. La investigación cualitativa está especialmente en sintonía con la captura
de la naturaleza emergente y dinámica del cambio de sistemas complejos. Como en cualquier
investigación, lo que se muestrea es lo que se estudia. Me parece que haríamos bien en reconocer
los fenómenos complejos como un tipo distinto de muestra intencionada.

Síntesis

La contribución distintiva de esta forma de muestreo intencional es la elucidación e iluminación de

los significados, variaciones, implicaciones y aplicaciones de las ideas. Los conceptos y
construcciones son modelos mentales. Amurallan alguna parte de la experiencia humana y dicen
que esta es una categoría de experiencia que es importante, diferente de otras cosas y digna de ser
investigada como un fenómeno de interés e importancia. La investigación cualitativa, donde las
palabras son la moneda del reino y el objeto de nuestra fascinación, es especialmente hábil para
investigar qué significan los conceptos y las construcciones. Los conceptos son los bloques de
construcción fundamentales de la teoría, la piedra angular de cualquier práctica profesional y son
esenciales para hacer distinciones en las conversaciones ordinarias del día a día. Por lo tanto, es
completamente fundamental comprender las opciones de muestreo de conceptos y constructos
teóricos. Hemos examinado siete alternativas (los números corresponden a los del resumen en la
figura 5.8, páginas 269-270)

Muestreo de casos múltiples para uso instrumental

El propósito del muestreo intencional de casos múltiples de uso instrumental es seleccionar

múltiples casos de un fenómeno para comprender el fenómeno y, en estudios de casos múltiples
aplicados, generar hallazgos generalizables que puedan usarse para informar cambios en prácticas,
programas y políticas. Hay muchos propósitos para la investigación de casos, desde los más
teóricos hasta los más prácticos. Cuando el propósito del estudio de caso es ir más allá del caso, lo
llamamos estudio de caso “instrumental”. Cuando el interés principal y duradero está en el caso
mismo, lo llamamos estudio de caso “intrínseco”. (Stake, 2006, p. 8) La selección de casos para uso
instrumental es un desafío de muestreo intencionado. Tomé la distinción de Stake entre estudios
de casos intrínsecos e instrumentales y agregué el significado de uso instrumental en la literatura
de evaluación y utilización, es decir, estudios destinados a informar directamente las decisiones. Lo
que Stake quiere decir con estudios instrumentales que van “más allá del caso” incluye la selección
de múltiples casos de un fenómeno con el propósito de generar hallazgos que puedan usarse para
informar cambios en prácticas, programas y políticas. , o por profesionales y financiadores, en lo
que se ha dado en llamar toma de decisiones basada en evidencia. El muestreo instrumental de
casos hace que los hallazgos cualitativos sean parte de la evidencia para decisiones y acciones
basadas en evidencia. “La investigación basada en evidencia debería permitir a las personas lograr
una convicción más profunda de cómo funciona la cosa y qué hacer al respecto” (Stake, 2010,
p.123). Para tener influencia en las discusiones basadas en evidencia sobre “qué hacer al respecto”
(cuando se trata de cualquier programa, política o práctica bajo revisión), los casos deben ser
seleccionados por su relevancia y permitir tal profundidad de análisis que las cuestiones de
generalización, causalidad y la escala puede ser abordada. Estos términos tienen interpretaciones
particulares en la investigación cualitativa, interpretaciones que discutiremos en capítulos
posteriores. Por ahora, el punto crítico es que “con el estudio de casos múltiples y su fuerte interés
en el quintain [grupo de casos que iluminan un fenómeno], el interés en los casos será
principalmente instrumental” (Stake, 2006, p. 8). Para consultas instrumentales de casos múltiples,
Stake (2006) identifica tres criterios principales para seleccionar casos: 1. Relevancia de cada caso
para el fenómeno multicaso que es el foco de la investigación2. Seleccionar casos que brinden
diversidad a través de contextos3. Seleccionar casos que brinden “buenas oportunidades para
aprender sobre la complejidad y los contextos” (p. 23). En esta sección, destaco dos tipos
particulares de muestras instrumentales: muestreo centrado en la utilización y revisiones
cualitativas sistemáticas.

28- Muestreo centrado en la utilización

La evaluación centrada en la utilización es un enfoque de evaluación dirigido al uso previsto por

parte de los usuarios previstos (Patton, 2008b, 2012a). Dentro de ese marco general, el muestreo
centrado en la utilización implica la selección de casos que serán relevantes para los problemas y
decisiones de interés para un grupo identificable de partes interesadas y usuarios previstos.
estudio tendrá credibilidad, relevancia y utilidad para los principales usuarios previstos. La forma
ideal de cumplir con estos criterios es involucrar activamente a los principales usuarios previstos
en las decisiones de diseño y métodos, especialmente el muestreo. Centrándose en generar
hallazgos útiles y procesables, un resultado común de la investigación cualitativa centrada en la
utilización es la identificación de factores que explican las diferencias entre lo que funciona y lo
que funciona. lo que no funciona. Esos factores y explicaciones se pueden usar para informar la
toma de decisiones y apoyar programas, prácticas y/o mejoras de políticas. Para lograr este
resultado orientado a la acción, los casos deben seleccionarse teniendo en cuenta ese tipo de
hallazgo y uso. Esto significa no solo prestar atención a la relevancia, la diversidad contextual y la
complejidad, sino también tener suficiente acceso a información detallada sobre los casos para
poder descifrar las dinámicas de los casos individuales y los patrones de casos cruzados que
respaldarán las conclusiones sobre los factores causales y las recomendaciones sobre las acciones
a tomar. llevado más generalmente más allá de los casos estudiados. El Cuadro 5.12 proporciona
un ejemplo de una evaluación centrada en la utilización con un enfoque de muestreo centrado en
la utilización. El ejemplo también ilustra el muestreo basado en criterios y la selección completa de
casos de la población objetivo: todas las muertes en los patios de maniobras ferroviarias. Las
estrategias de muestreo intencional pueden superponerse. Lo que hace que este también sea un
ejemplo de muestreo centrado en la utilización es que la decisión de incluir todas las muertes fue
tomada explícitamente por los principales usuarios previstos para garantizar la relevancia,
credibilidad y utilidad de los hallazgos.

Ejemplo de evaluación y muestreo centrado en la utilización

Uno de los procesos de evaluación de estudios de casos más rigurosos con los que he trabajado
fue un análisis de fatalidad de operaciones de conmutación (SOFA, 2010). Cincuenta y cinco
empleados ferroviarios murieron en accidentes en los patios de maniobras entre 2005 y 2010. Para
analizar las causas de estas muertes, se estableció el Grupo de Trabajo SOFA, un grupo de múltiples
partes interesadas compuesto por representantes de la industria ferroviaria, sindicatos, ingenieros
de locomotoras y reguladores federales. Estos grupos de partes interesadas tradicionalmente han
sospechado unos de otros y, a menudo, están en conflicto sobre las regulaciones y los
procedimientos. Sin embargo, dejaron de lado esos conflictos para investigar con rigor las causas
de las fatalidades en las operaciones de conmutación. Decidieron que por credibilidad y utilidad, y
para honrar a los que habían perdido la vida, habría que analizar cada fatalidad. Obtuvieron
tiempo y recursos para revisar cuidadosamente cada caso, codificando una variedad de variables
relacionadas con las condiciones, los factores contribuyentes y los tipos de operaciones
involucradas. Luego buscaron patrones en los datos de casos cualitativos y correlaciones en los
datos de casos cruzados cuantitativos. Pasaron de tres a cuatro horas codificando cada caso y
horas analizando los patrones en todos los casos. Descubrieron que las muertes ocurren por una
razón. Los accidentes no son sucesos aleatorios, eventos desafortunados o simplemente mala
suerte. Los riesgos para los empleados involucrados en operaciones de cambio son reales, siempre
presentes y prevenibles. Los datos mostraron patrones sobre por qué ocurren las muertes por
cambio. El conocimiento sobre las causas de los accidentes ferroviarios se ha acumulado a través
de este riguroso análisis a lo largo del tiempo y entre casos. El primer informe del Grupo de Trabajo
SOFA se publicó en 1999, basado en el análisis de 76 archivos de casos de accidentes fatales de
ferrocarril. El informe de 2004 examinó las 48 muertes por conmutación que habían ocurrido
desde el primer informe. Estos análisis identificaron los cinco salvavidas y los 10 peligros especiales
de conmutación que contribuyen a los accidentes mortales. El informe de 2010 presentó los
últimos hallazgos sobre las causas de los accidentes mortales. El 25 de febrero de 2010, más de 50
altos ejecutivos de la industria, líderes laborales y la Administración Federal de Ferrocarriles el
personal se reunió para discutir los hallazgos preliminares y sus implicaciones. La reunión se abrió
con un minuto de silencio en memoria de las 179 vidas perdidas en operaciones de cambio. Luego,
el grupo revisó cómo el Grupo de Trabajo SOFA llegó a sus hallazgos y determinó que los resultados
eran creíbles, precisos e importantes. Al tomar esa determinación, fue fundamental comprender
cómo se seleccionaron y analizaron los casos. Estas partes interesadas clave necesitaban la
oportunidad de discutir juntos cómo dar sentido a los datos. En pequeños grupos, discutieron
patrones en los hallazgos e identificaron posibles iniciativas preventivas. El informe final de SOFA
incorporó las reacciones en esta reunión cumbre e invitó a los miembros de la industria ferroviaria,
en todos los niveles, a comprometerse con los hallazgos y tomar medidas para evitar muertes. El
objetivo sigue siendo cero muertes. El proceso de análisis del Grupo de Trabajo SOFA fue evaluado
por un equipo de profesionales de evaluación externos e independientes (Bonnet, Ranney, Snow,
Coplen y Patton, 2009). La evaluación incluyó examinar la calidad del proceso de análisis, la validez
de los hallazgos, qué lecciones se han aprendido y qué ha cambiado en la industria durante la
última década que afecta la interpretación y el uso de nuevos hallazgos. La evaluación
independiente concluyó que el proceso de análisis SOFA fue sistemático, riguroso, completo y
objetivo. Los hallazgos se consideraron válidos y significativos. En el centro de la metaevaluación
estaba la conclusión de que el compromiso de examinar todos los casos era la base de la
credibilidad y la utilidad.

29- Evaluación Cualitativa Revisiones Sistemáticas

Una revisión de evaluación sistemática busca identificar, evaluar, seleccionar y sintetizar toda la
evidencia de investigación de evaluación de alta calidad relevante para un campo particular de
conocimiento que es la base para las intervenciones. Las revisiones de evaluación sistemática de
los estudios de ensayos controlados aleatorios han sido la base de la medicina basada en la
evidencia. Los casos que se sintetizan son estudios completos, generalmente publicados. El
proceso implica identificar todos los estudios de alta calidad revisados por pares sobre un
problema y sintetizar los hallazgos de esos estudios separados y diversos para llegar a conclusiones
sobre lo que es efectivo para tratar el problema en cuestión, por ejemplo, la terapia de reemplazo
de hormonas femeninas o tratamientos efectivos para la próstata. cáncer. Informar y establecer
pautas para el tratamiento es el uso instrumental. Aunque, a primera vista, la estrategia es incluir
todos los estudios de evaluación de alta calidad, se convierte en un problema de muestreo debido
a la necesidad de determinar y evaluar qué constituye un estudio de alta calidad. La nueva
dirección importante en las revisiones sistemáticas es incluir revisiones cualitativas. estudios de
evaluación (Gough,Oliver, & Thomas, 2012; Wright, 2013). Por ejemplo, el Grupo de Métodos
Cualitativos e Implementación de la Colaboración Cochrane, de prestigio internacional, apoya la
síntesis de evidencia cualitativa y la integración de evidencia cualitativa con otra evidencia
(métodos mixtos) en las revisiones de intervención Cochrane sobre la efectividad de las
intervenciones de salud. (Consulte el recuadro). Más adelante, examinaremos cómo las síntesis
cualitativas generalmente implican el desafío de seleccionar casos de alta calidad para incluirlos en
la síntesis. Aquí, sin embargo, la atención se centra en el propósito de uso instrumental de las
revisiones cualitativas sistemáticas, que se basa en la selección y síntesis de estudios cualitativos
de alta calidad con conclusiones e implicaciones procesables. En efecto, las revisiones de
evaluación sistemática cumplen una función de metaevaluación. Las síntesis cualitativas
generalmente buscan patrones de estudios cruzados pero no necesariamente se enfocan en
patrones de efectividad.

Estrategias y opciones de muestreo secuencial y basado en la emergencia (30-34)

La naturaleza naturalista abierta de la investigación cualitativa exploratoria significa que a veces es

necesario construir la muestra durante el trabajo de campo. Un caso lleva a otro, en secuencia, a
medida que se desarrolla la investigación. La muestra se amplía a medida que sigue las pistas y las
nuevas direcciones que surgen durante el estudio.
 30- Muestreo de bola de nieve o cadena

Este es un enfoque para localizar informantes clave ricos en información o casos críticos. El proceso
comienza preguntando a personas bien situadas: “¿Quién sabe mucho sobre _______? ¿Con quién
debo hablar? Al preguntarle a varias personas con quién más hablar, la bola de nieve se hace más y
más grande a medida que acumula nuevos casos ricos en información. En la mayoría de los
programas o sistemas, se mencionan repetidamente algunos nombres o incidentes clave. Aquellas
personas o eventos, recomendados como valiosos por diversos informantes, cobran especial
importancia. La cadena de informantes recomendados generalmente diverge inicialmente, ya que
se recomiendan muchas fuentes posibles, y luego converge a medida que se mencionan algunos
nombres clave una y otra vez. personas capacitadas para identificar empresas bien administradas.
El influyente estudio de innovación de Rosabeth Moss Kanter (1983), The Change Masters, se
centró en 10 estudios de casos básicos de las empresas "más innovadoras". Comenzó preguntando
a expertos corporativos por empresas candidatas para estudiar. Las nominaciones aumentaron a
medida que ampliaba su investigación, y luego convergieron en una pequeña cantidad de casos
centrales nominados por varios informantes expertos diferentes. También puede construir la
muestra a medida que entrevista pidiendo sugerencias a cada entrevistado sobre personas que
tienen una perspectiva similar o diferente. Esto genera una cadena de entrevistados basada en
personas que conocen a personas que conocen a personas que serían buenas fuentes dado el
enfoque de la investigación. Una vez identificado, el investigador generalmente hace el
reclutamiento. El efecto de "bola de nieve" ocurre a medida que las referencias se multiplican en
cada paso. Por ejemplo, si obtuvo dos referencias de cada persona, entonces a partir de dos
personas obtendrá cuatro más, luego ocho, dieciséis y así sucesivamente. El muestreo Snowball
utiliza un método apreciado por los vendedores, donde las referencias de los clientes a nuevos
prospectos tienen un valor particular como la relación de la confianza y la obligación entre la
persona identificada y el referente hacen que sea más probable que la nueva persona haga una
compra. La forma en que las personas objetivo eligen la muestra la hace susceptible a diversas
formas de sesgo. Las personas tienden a asociarse no solo con personas con la misma característica
de selección de estudios, sino también con otras características. Esto aumenta la posibilidad de
que se encuentren correlaciones en el estudio que no se aplican a la población general más amplia.
La necesidad de que la persona te dé una referencia también significa que el investigador tiene que
formar una relación con la persona y ser amable con ella. Esto puede cambiar los resultados del
estudio, ya que los sesgos afectivos tanto en el investigador como en la persona objetivo cambian
la forma en que piensan y se comportan. Con cuidado en la selección (no tiene que usar todas las
referencias) y evitando el sesgo personal, el muestreo de bola de nieve aún puede ser útil. método,
especialmente si no tiene otra forma de llegar a la población objetivo. (Changing Minds, 2013, p. 1)
El muestreo de bola de nieve puede ser una forma eficaz y eficiente de generar una muestra a
través de Internet o las redes sociales. McNabb (2013) buscó maestros que estuvieran usando
Internet en su currículo de lengua y literatura en inglés de manera regular. Ella entrevistó a líderes
nacionales en esta área y de las entrevistas generó una lista de 20 maestros de clase que eran
líderes activos/conocidos en el campo de la tecnología y la enseñanza de la lectura/artes del
idioma inglés. Envió a los maestros una encuesta en línea con los criterios de participación y les
pidió que enviaran la solicitud de la encuesta a hasta 10 maestros que conocían y que cumplían
con los criterios. Terminó con una muestra de bola de nieve de alrededor de 200 maestros
 31- Muestreo basado en encuestados (muestreo en red)

El muestreo basado en encuestados, también llamado muestreo en red (American Association for
Public OpinionResearch, 2013), es una estrategia basada en redes en la que se estudia un pequeño
número de participantes iniciales de la población objetivo total, llamados "semillas", y se les pide
que los recluten. a tres nuevos contactos en su red. Los entrevistados iniciales hacen el
reclutamiento (en lugar del investigador), generalmente a cambio de una compensación. Este
enfoque es especialmente útil para ubicar a participantes de investigación de difícil acceso, como
trabajadoras sexuales, pandilleros o personas con enfermedades raras y, por lo tanto, la
confidencialidad es fundamental debido al tema delicado que se está estudiando. Un ejemplo de
búsqueda de acceso a un círculo interno de conexiones de red sería identificar a las trabajadoras
sexuales con VIH para documentar y comprender sus estrategias de afrontamiento y apoyo mutuo.
La confianza y la confidencialidad son críticas para obtener una muestra entre personas tan raras y
difíciles de alcanzar involucradas o afectadas por comportamientos ilegales o estigmatizados
(Abdul-Quader, Heckathorn, Sabin y Saidel, 2006; White et al., 2012).

El muestreo dirigido por los encuestados se originó como un muestreo de bola de nieve
combinado con un modelo matemático que ponderó la muestra para compensar el diseño
intencional no aleatorio (Heckathorn, 1997). Pero en sus elementos de reclutamiento central,
puede ser una estrategia completamente cualitativa. Una diferencia importante entre el muestreo
de bola de nieve y el RDS [muestreo impulsado por encuestados] es que las semillas reclutan a sus
pares (en lugar de identificarlos para un investigador) utilizando un número determinado de
cupones codificados de manera única. que se canjean en un lugar de entrevista fijo dentro de un
período de tiempo determinado (por ejemplo, 10 días). El reclutamiento entre pares de RDS
elimina el sesgo de selección del personal de la encuesta y la cuota de cupón minimiza los sesgos
asociados con la sobrerrepresentación de los participantes con grandes redes. . . . Además, RDS
requiere que el reclutamiento continúe mucho más allá de la semilla y sus reclutas. También se
espera que los reclutas de semillas (Oleada 1) recluten a sus pares (Oleada 2), quienes a su vez se
inscriben en la encuesta y reciben su propio conjunto de cupones de reclutamiento para usar en la
contratación de sus pares (Oleada 3). Se alienta este proceso hasta que la muestra final comprende
largas cadenas de reclutamiento formadas por varias oleadas de participantes (a veces hasta 20
oleadas). Las largas cadenas de reclutamiento permiten una penetración más profunda en las
redes de la población objetivo. (Johnston & Sabin, 2010, p.39) También llamado "diseño de
muestra de seguimiento de enlaces" o "muestreo de red de seguimiento de enlaces", la
característica central importante es la participación del encuestado para llegar a otras personas
con las que está vinculado, que es lo que lo hace impulsado por el encuestado. “La característica
definitoria de este enfoque es que los miembros de la muestra subsiguientes se seleccionan entre
los contactos de la red de los miembros de la muestra anteriores” (Asociación Estadounidense para
la Investigación de la Opinión Pública, 2013, p. 49). Se distinguen dos poblaciones especiales
cuando se utilizan diseños de rastreo de enlaces: versus poblaciones ocultas. Las poblaciones raras
son difíciles de alcanzar debido a la baja prevalencia en la sociedad, por ejemplo, las personas que
padecen enfermedades raras. Las poblaciones ocultas son difíciles de alcanzar debido a la
dificultad de obtener cooperación, por ejemplo, los inmigrantes ilegales. En ambos casos, las
conexiones de red confiables y la compensación son las claves para el reclutamiento de muestras.
 32- Muestreo de fenómenos emergentes o subgrupos emergentes

El trabajo de campo a menudo involucra decisiones sobre el terreno sobre el muestreo para
aprovechar lo que emerge durante la recolección real de datos. Estar abierto a seguir donde sea
que conduzcan los datos es una fortaleza principal de las estrategias de trabajo de campo
cualitativo. Además, durante el trabajo de campo, es imposible observarlo todo. Deben tomarse
decisiones sobre qué actividades observar, qué personas observar y entrevistar y cuándo recopilar
datos. No todas estas decisiones pueden tomarse por adelantado. El muestreo emergente
aprovecha todo lo que se desarrolla a medida que se desarrolla. Por ejemplo, en el transcurso del
trabajo de campo, el investigador o evaluador puede darse cuenta de subgrupos que no se
conocían en el momento del diseño original. De hecho, en situaciones dinámicas complejas, los
subgrupos pueden autoorganizarse y surgir después de que haya comenzado el trabajo de campo.
Estos subgrupos recién descubiertos o emergentes, una vez iniciado el estudio, se convierten en
nuevas muestras ricas en información, especialmente cuando su aparición proporciona una visión
especial del fenómeno de interés. Al evaluar un programa de liderazgo en la naturaleza a través de
la observación participante, tuve que reorientar el diseño y el plan de recopilación de datos
cuando, el primer día de caminata, el grupo de 20 participantes se subdividió en un grupo lento,
autodenominado "las tortugas", y un grupo más rápido. grupo de excursionistas, apodado "los
camioneros". Las tortugas y los camioneros permanecieron juntos durante los 10 días del
programa. Tuvieron diferentes experiencias y resultados. Lo que comenzó como una muestra de un
solo grupo se convirtió en una muestra de grupo de comparación. De manera similar, al evaluar un
programa de educación para padres en la primera infancia, tuvimos que cambiar el diseño para
comprender las diferentes experiencias y resultados para dos subgrupos que surgieron
naturalmente: mujeres participantes con y sin cónyuge. Estos dos grupos se formaron y se unieron
y dieron lugar a una muestra de comparación emergente que no se anticipó de antemano. Un
elemento importante de la flexibilidad del trabajo de campo cualitativo es ajustar la estrategia de
muestreo en el campo, ya que lo que se aprende en el trabajo de campo proporciona nuevas
opciones y conocimientos sobre a quién incluir en el muestra y cómo conceptualizar la
composición de la muestra

33- Muestreo de oportunidad

Durante el trabajo de campo, puede surgir la oportunidad de entrevistar a alguien u observar una
actividad, ninguna de las cuales podría haberse planificado con anticipación. Por ejemplo, durante
una visita a un refugio para jóvenes sin hogar, un ex miembro del personal que ayudó a abrir el
refugio vino a almorzar y a visitar a los amigos del personal actual. Esta es una oportunidad para
aprender sobre la historia del refugio. Esto difiere del muestreo emergente en que no ha surgido
algo nuevo, pero se presenta una oportunidad imprevista. En el Capítulo 2, identifiqué los diseños
flexibles emergentes como uno de los temas estratégicos centrales de la investigación cualitativa y
cité como ejemplo a la antropóloga Brackette Williams y su trabajo de campo sobre cómo los
estadounidenses viewviolence in America: Hago entrevistas improvisadas. No tengo un número
objetivo de entrevistas en mente o preguntas predeterminadas. Depende de la persona y la
situación. Los aeropuertos, por ejemplo, son un buen lugar para entrevistas improvisadas con
personas. Entonces, a veces, en lugar de usar el tiempo del aeropuerto para escribir, entrevisto a
personas sobre la pena de muerte o sobre matar o sobre la muerte en su vida. Se llama muestreo
de oportunidades. . . . Estoy siguiendo a dónde me llevan los datos, a dónde me llevan mis
preguntas. (Entrevista personal) Pocos estudios cualitativos son tan totalmente emergentes y
abiertos como el trabajo de campo de Brackette Williams. Su enfoque ejemplifica el muestreo de
oportunidades

34- Muestreo de saturación o redundancia

El muestreo de saturación es una estrategia útil para tratar el problema del tamaño de muestra
pequeño. Lincoln y Guba (1985) recomendaron la selección de la muestra hasta el punto de la
redundancia.

LA NATURALEZA DEL CASO SURGE A TRAVÉS DEL TRABAJO DE CAMPO Y DEL ANÁLISIS

El distinguido sociólogo cualitativo Howard Becker invita a los investigadores a estar abiertos al
surgimiento de la naturaleza misma de lo que están estudiando. Advirtió contra comenzar la
investigación con una noción fija de cuál es el caso Es probable que las ideas preconcebidas fuertes
obstaculicen el desarrollo conceptual. Los investigadores probablemente no sabrán cuáles son sus
casos hasta que la investigación, incluida la tarea de redactar los resultados, esté prácticamente
completada. Lo que es un caso se unirá gradualmente, a veces catalíticamente, y la realización final
de la naturaleza del caso puede ser la parte más importante de la interacción entre ideas y
evidencia. En resumen, Becker quería que los investigadores se preguntaran continuamente "¿Qué
es esto?" ¿un caso de?" Cuanto menos seguros estén los investigadores de sus respuestas, mejor
será su investigación. Desde esta perspectiva, no hay una respuesta definitiva a la pregunta “¿Qué
es un caso?” puede o debe darse, sobre todo no al principio, porque depende. La pregunta debe
hacerse una y otra vez, y los investigadores deben tratar cualquier respuesta a la pregunta como
tentativa y específica para la evidencia y los problemas en cuestión. Trabajar a través de la relación
de las ideas con la evidencia responde a la pregunta "¿De qué se trata este caso?" (Ragin, 1992, p.
6) En el muestreo intencional, el tamaño de la muestra está determinado por consideraciones de
información. Si el propósito es maximizar la información, el muestreo finaliza cuando no se recibe
nueva información de las nuevas unidades muestreadas; por lo tanto, la redundancia es el criterio
principal. (p.202) Esta estrategia deja abierta la cuestión del tamaño de la muestra, otro ejemplo
de la naturaleza emergente de la investigación cualitativa. Queda, sin embargo, el problema
práctico de cómo negociar un presupuesto de evaluación o conseguir que un comité de tesis
apruebe un diseño si no tienes una idea del tamaño de la muestra. El muestreo hasta el punto de
la redundancia es un ideal, que funciona mejor para la investigación básica, los plazos ilimitados y
los recursos sin restricciones. Saber si se alcanza la redundancia o la saturación de la información
implica y se basa en la suposición de que la recopilación y el análisis de datos van de la mano. En
otras palabras, los datos se recopilan y analizan, al menos de manera preliminar, y este análisis
informa las decisiones subsiguientes de recopilación de datos. Es importante tener en cuenta que
la saturación o la redundancia de información pueden alcanzarse prematuramente si: • el marco
muestral es demasiado estrecho • la perspectiva analítica propia es sesgada o limitada • el método
empleado no genera información rica y profunda • el investigador no puede ir más allá de la
superficie o del “status quo” con los encuestados. (Fundación Robert Wood Johnson, 2008) Otra
precaución al juzgar la saturación es si los primeros entrevistados pueden ser similares en formas
que generan respuestas comunes pero serían diferentes de lo que produciría una muestra más
diversa. Un investigador médico entrevistó a 30 médicos, y las primeras entrevistas estuvieron
dominadas por médicos de atención primaria mayores; se alcanzó la saturación en unas cinco
entrevistas, concluyó. Pero cuando entrevistó a médicos de atención primaria más jóvenes, junto
con pediatras, cirujanos ortopédicos, neurólogos, cirujanos plásticos y médicos de urgencias,
quedó claro que las respuestas de los médicos variaban de manera importante según el contexto
clínico, la función específica e incluso la personalidad. Habría sido un error pensar que la
saturación se había producido con las primeras cinco entrevistas. Además, encontró que la
saturación se logró rápidamente con respecto a algunas áreas de contenido (p. ej., a ninguno de
ellos le gustaba el papeleo del seguro) pero no a otras (p. ej., actitudes sobre la reforma de la
atención médica). Finalmente, y lo más importante, uno debe decidir si las áreas de saturación
lograda cumple con el propósito de la investigación.

Muestreo enfocado analíticamente (35-38)

Los modelos estándar de investigación describen distintas etapas que proceden una tras otra en
una secuencia lógica: definición del problema o formulación de preguntas, diseño, recopilación de
datos, análisis e informes. El número de pasos y las etiquetas para cada paso varían, pero la
imagen es la de terminar una etapa antes de pasar a la siguiente. Eso es en gran medida cierto
para los estudios cuantitativos. No es necesariamente cierto en absoluto para la investigación
cualitativa (aunque los estudiantes de tesis pueden tener que fingir que lo es). Muchos estudios
cualitativos de investigación y evaluación están altamente estructurados y completamente
planificados con anticipación para implementar un diseño prescrito cuidadosamente aprobado por
quienes financian el estudio o por una autoridad supervisora como un comité de doctorado o una
junta de revisión institucional (IRB). En tales casos, la muestra se determina antes de que comience
el trabajo de campo, y la muestra diseñada es la muestra que se estudia, siempre que el
reclutamiento se desarrolle según lo planeado (que no siempre es el caso).

Pero algunos estudios cualitativos son muy emergentes, como acabamos de ver al revisar el
muestreo secuencial y basado en la emergencia. Además, en investigaciones más abiertas y
emergentes, se realiza algún análisis a medida que se realiza el trabajo de campo. Ese análisis
inicial se puede profundizar a través de un muestreo enfocado analíticamente. Estas estrategias de
muestreo intencionadas tienen como objetivo agregar casos ricos en información que respondan
preguntas que surgieron durante el trabajo de campo. Estas adiciones de muestreo son esenciales
para cerrar el trabajo de campo.

35- Confirmación y Desconfirmación de Casos

En la primera parte del trabajo de campo cualitativo abierto, el investigador está explorando,
recopilando datos y observando los patrones que surgen. Con el tiempo, el proceso exploratorio da
paso al trabajo de campo confirmatorio. Esto implica probar ideas, confirmar la importancia y el
significado de los posibles patrones y verificar la viabilidad de los hallazgos emergentes con nuevos
datos y casos adicionales. Esta etapa del trabajo de campo requiere un rigor e integridad
considerables por parte del investigador al buscar y muestrear casos de confirmación y de
refutación. Howard Becker (1998) advierte: pensar y buscarlo” (p. 87). Los casos confirmatorios
son ejemplos adicionales que se ajustan a patrones ya emergentes; estos casos confirman y
elaboran los hallazgos, agregando riqueza, profundidad y credibilidad. Los casos de
disconfirmación no son menos importantes en este punto. Estos son los ejemplos que no encajan.
Son una fuente de interpretaciones rivales, así como una forma de poner límites a los hallazgos
confirmados. Pueden ser "excepciones que confirman la regla" o excepciones que no confirman y
alteran lo que parecían ser patrones primarios. En un estudio centrado en principios de jóvenes sin
hogar, los casos confirmados fueron aquellos en los que las interacciones estaban claramente
guiadas por un principio, como la reducción de daños o la creación de confianza. . Los casos no
confirmados fueron aquellos en los que la base de las interacciones parecía ambigua o ad hoc,
como cuando un miembro del personal informó que estaba inventando qué hacer a medida que
avanzábamos. No es que me detuve y traté de encontrar algún principio para aplicar. Tenía que
actuar en tiempo real, en el momento. Fue más instinto que seguir lo que alguien piensa que es,
¿cómo lo llaman?, "la mejor práctica". En una crisis, todo es instinto. Y esperas que tus instintos
sean buenos. Trabajar con niños en la calle es totalmente en el momento, reaccionando desde el
instinto y la experiencia. Si bien esto parecía ser contrario a un enfoque basado en principios, la
interpretación posterior de este ejemplo con el personal que atiende a jóvenes sin hogar llevó a
una reflexión profunda sobre la base. de acción “instintiva” en tiempo real. Las interacciones
basadas en principios de las que se habla y se practican una y otra vez pueden volverse
“instintivas” en algún nivel; o al menos esa fue la conclusión compartida de quienes se dedicaron a
dar sentido a los estudios de caso. La discusión también condujo a la recopilación de más ejemplos
para un mayor estudio y reflexión. La fuente de preguntas o ideas para ser confirmadas o no
confirmadas puede provenir de las partes interesadas o de la literatura académica anterior,
además del trabajo de campo del investigador. enfatiza la relación entre el muestreo y las
conclusiones de la investigación. Como he reiterado a lo largo de esta discusión sobre el muestreo,
la muestra determina sobre qué tendrá algo que decir el investigador; de ahí la importancia de
muestrear con cuidado y consideración.

36- Adiciones de Iluminación y Elaboración a la Muestra Original

Otra estrategia impulsada analíticamente es agregar casos para iluminar más completamente o
elaborar hallazgos emergentes. Los estudios de casos de jóvenes sin hogar (n = 14) arrojaron
evidencia de que los jóvenes homosexuales, lesbianas y transgénero enfrentaban problemas
especiales. Tres de estos casos se agregaron a la muestra, cuando surgió ese patrón, para fortalecer
una muestra de máxima homogeneidad y diversificar aún más los hallazgos.

37- Síntesis de Investigación Cualitativa

El metanálisis es un método para agregar hallazgos de varios estudios cuantitativos diferentes para
establecer la confiabilidad y validez de patrones generalizables a través de los hallazgos.
encuestado . . . Se aplica sólo a los estudios que producen resultados cuantitativos. . . . Esto
descarta las formas cualitativas de investigación como los estudios de casos, las etnografías y la
investigación “naturalista”. (Lipsey & Wilson, 2001, pp. 1–2) Los metodólogos y estadísticos
participan en un animado debate sobre qué criterios de rigor deben cumplirse para que un estudio
cuantitativo se incluya en un metanálisis (Gough et al., 2012). Investigación cualitativa la síntesis,
por el contrario, implica buscar patrones e integrar diferentes estudios cualitativos (Finlayson &
Dixon, 2008; Saini & Shlonsky, 2012). Toda síntesis cualitativa se enfrenta inmediatamente al reto
del muestreo: localizar estudios y decidir cuáles tienen la calidad y relevancia suficientes para
incluirlos en la síntesis. Las estrategias de muestreo intencional que ya hemos revisado se pueden
usar para seleccionar casos para la síntesis de investigación cualitativa (Brunton, Stansfield y
Thomas, 2012, p. 114). Para incluir un estudio de investigación cualitativa en una síntesis se
requiere determinar qué criterios de calidad se deben cumplir y cómo se evaluarán esos criterios.
Anteriormente, presenté y analicé las revisiones sistemáticas de evaluación cualitativa como un
tipo de muestreo multicaso de uso instrumental. Las revisiones de evaluación sistemática tienen
como objetivo informar la práctica y la toma de decisiones; la estrategia también enfrenta los
desafíos del muestreo de síntesis cualitativa, pero con un enfoque más limitado en la selección de
estudios de evaluación que sean relevantes y procesables. (El capítulo 9 examinará diferentes
marcos y criterios para juzgar la calidad cualitativa y la credibilidad.) Este problema de qué incluir
en la síntesis cualitativa final incluso surge en una investigación específica cuando, como no es
inusual, los datos de casos varían en calidad. Algunos entrevistados pueden ser más comunicativos
que otros. Algunas entrevistas pueden acortarse, pueden ocurrir interrupciones o puede estar
presente una persona inesperada que socava la autenticidad de las respuestas. Decidir si incluir
estos casos más débiles en el análisis final es, en parte, un problema de muestreo de síntesis
cualitativa porque implica incluir casos en el análisis cruzado final y la síntesis sobre la base de
criterios de calidad explícitos. Aquí hay ocho ejemplos diversos de síntesis de investigación
cualitativa y revisiones de evaluación sistemática para cada una de las cuales los investigadores
tuvieron que decidir qué estudios de caso incluir en la síntesis. • Hallazgos cualitativos de múltiples
estudios sobre cómo apoyar a las madres que amamantan (McInnes & síntesis de investigación
para construir una base de conocimiento procesable (Denyer & Tranfield, 2006) • Intervenciones
efectivas para reducir el riesgo de hepatitis C entre usuarios de drogas inyectables (Rhodes &
Treloar, 2008) • Revisión de 66 estudios de investigación revisados por pares publicados entre 1999
y 2010 que evaluaron empíricamente los resultados de los programas de educación ambiental para
jóvenes (de 18 años y menores) para determinar qué funciona (o no) y descubrir lecciones para
futuras iniciativas y su evaluación (Stern, Powell, & Hill, 2013) • Identificar factores que afectan la
adherencia a tratamiento de la tuberculosis (Stewart & Oliver, 2012, p. 231) • Las lecciones
aprendidas y los conocimientos obtenidos de la evaluación en 61 Institutos de Ciencias Clínicas y
Traslacionales (financiados por los Institutos Nacionales de Salud) con el objetivo de reducir el
tiempo de traducción desde un descubrimiento de banco hasta cuando la aplicación del
conocimiento afecta a los pacientes (Pincus, Abedin, Blank, &Mazmanian, 2013)• Síntesis de 133
documentos sobre evaluaciones de evaluabilidad, aproximadamente la mitad de ellos de agencias
internacionales de desarrollo (Davies, 2013)• Síntesis realista de investigación primaria sobre
sistemas de salud (Rogers, 2014) Qué estudios incluir en una síntesis de investigación cualitativa
implica tanto el muestreo como el análisis, ya que los casos en el grupo de estudios potenciales
deben analizarse para determinar si cumplen con los criterios de inclusión. Además, qué estudios
se incluyen en la síntesis final dependerán de lo que surja como relevante y significativo durante la
síntesis. “Evaluar la calidad también se trata de examinar cómo los hallazgos del estudio encajan (o
no encajan) con los hallazgos de otros estudios.

La forma en que los hallazgos del estudio encajan con los hallazgos de otros estudios no se puede
evaluar hasta que se complete la síntesis” (Harden & Gough, 2012, p. 160). En esencia, los criterios
de calidad en la síntesis de investigación cualitativa pueden ser emergentes. Al estar abierto y
comprometerse con ese surgimiento, el sintetizador cualitativo ejercita la creatividad, el juicio e
incluso el arte: "combinaciones de enfoques científicos y artísticos [mientras] el sintetizador
'descompone' una explicación interpretativa de los estudios cualitativos" (Kinn, Holgersen,
Ekeland, y Davidson, 2013, pág. 1258)

38- Muestreo políticamente sensible

Esta estrategia final impulsada analíticamente implica un tipo diferente de análisis: el análisis
político. La evaluación es inherente e inevitablemente política. Una variación de la estrategia de
muestreo de casos críticos consiste en seleccionar (oa veces evitar) un sitio o unidad de análisis
políticamente sensible. Por ejemplo, un programa estatal puede tener un sitio local en el distrito
de un legislador estatal que es particularmente influyente. Al estudiar cuidadosamente el
programa en ese distrito, es más probable que los datos de la evaluación atraigan la atención y
sean utilizados. Esto no significa que el evaluador se comprometa a hacer que ese sitio se vea bien
o mal dependiendo de las políticas del momento. Eso sería claramente poco ético. Más bien, el
muestreo de casos políticamente importantes es simplemente una estrategia para tratar de
aumentar la utilidad y relevancia de la información donde los recursos permiten el estudio de un
número limitado de casos. La misma perspectiva política (en términos generales) puede informar
el muestreo de casos en estudios de investigación aplicados o incluso básicos. Un politólogo o
historiador podría seleccionar el caso de conteo de votos de Florida del año electoral 2000, el
proceso de destitución de Clinton, la crisis de Watergate de Nixon o el escándalo Irán-Contra de
Reagan para estudiar, no solo por las ideas que brindan sobre el sistema de gobierno
estadounidense, sino también debido a la probable atención que tal estudio atraería. El estudio de
un sociólogo de un motín o el estudio de un psicólogo de un famoso suicidio probablemente
implicaría cierta atención durante el muestreo de la importancia pública y política del caso. Tales
cálculos políticos pueden entrar en la selección inicial de casos, pero a veces, la importancia
política de los casos a incluir (o evitar) solo se hace evidente durante el trabajo de campo. Por lo
tanto, el muestreo de casos políticamente importantes, entrevistas, sitios de observación o
documentos puede ser una estrategia de muestreo emergente. En cualquier caso, el análisis y la
interpretación de casos políticamente delicados tendrán una superposición explícitamente política
de principio a fin, y la atención política obtenida puede o no funcionar según lo previsto. Porque,
como observó el escritor de ciencia ficción y sátira política George Orwell, "En nuestra era no existe
tal cosa como 'mantenerse al margen de la política'. Todos los problemas son problemas políticos,
y la política misma es una masa de mentiras, evasivas, locura, odio y esquizofrenia. ”

Estrategias de muestreo intencional mixto, estratificado y anidado

Las muestras estratificadas o anidadas son muestras dentro de muestras, una estrategia dentro de
una estrategia. Las estrategias mixtas combinan enfoques. Estas combinaciones pueden servir para
satisfacer múltiples intereses y necesidades de consulta. Pueden profundizar y estrechar el foco de
la investigación, como un embudo que canaliza el flujo de un líquido con mayor precisión, para
aumentar la relevancia y la credibilidad.

39- Muestras estratificadas o anidadas

Las muestras intencionales se pueden estratificar o anidar combinando tipos de muestreo

intencional. Por ejemplo, puede combinar el muestreo de casos típicos con el muestreo de
heterogeneidad máxima tomando una muestra intencional estratificada de casos por encima del
promedio, promedio y por debajo del promedio. Esto representa menos de una variación máxima
completa, pero más que un simple muestreo de casos típicos. El propósito de esta muestra
intencionada anidada es capturar variaciones importantes en lugar de identificar un núcleo común,
aunque este último también puede surgir en el análisis. Cada uno de los estratos constituiría una
muestra bastante homogénea. Esta estrategia difiere del muestreo aleatorio estratificado en que
es probable que los tamaños de muestra sean demasiado pequeños para la generalización o la
representatividad estadística. La figura 5.13 ilustra un ejemplo de este proceso de estratificación o
canalización. es aún más grande de lo que el estudio puede manejar. La selección final, entonces,
puede hacerse al azar, un enfoque combinado. Por lo tanto, las estrategias con propósito no son
mutuamente excluyentes. Cada enfoque tiene un propósito algo diferente. Debido a que la
investigación y las evaluaciones a menudo tienen múltiples propósitos, puede ser necesaria más de
una estrategia de muestreo cualitativo. En el trabajo de campo a largo plazo, se pueden utilizar
varias estrategias de muestreo en algún momento.

ejemplo

1. Comience con un muestreo de variación máxima basado en variaciones conocidas en la

población objetivo de interés, digamos sitios de Head Start para la primera infancia en Minnesota,
para documentar la diversidad del programa y analizar los temas centrales.

2. Una vez en el campo, agregue sitios a la muestra a través del muestreo de bola de nieve,
buscando diversidad adicional.

3. A nivel del sitio, identifique y reclute informantes clave para proporcionar una comprensión
profunda de las características y atributos importantes de cada sitio.

40- Mezcla de probabilidad y muestreo intencional

Los diseños de métodos mixtos pueden incluir la combinación de probabilidad y estrategias de

muestreo intencional. De hecho, el muestreo mixto es el núcleo de los métodos mixtos. El primer
número del Journal of Mixed Methods Research presentó una tipología de muestreo de métodos
mixtos (Teddlie & Yu, 2007). Aquí hay cinco ejemplos de tales estrategias de muestreo mixto: 1.
Métodos mixtos estratificados: Comience con una distribución estadística para estratificar para un
muestreo intencional; por ejemplo, identificar valores atípicos, casos típicos o subgrupos de
interés. La figura 5.13 ilustra esta combinación. Al seleccionar empresas para comparar usando
estudios de casos detallados, Collins (2001a) comenzó con un extenso análisis estadístico del
desempeño financiero de las empresas dentro de los sectores para seleccionar casos que su
equipo podría estudiar para explicar la diferencia entre "excelentes" y "excelentes". “buenas”
empresas.

2. Métodos mixtos secuenciales: Seleccionar casos de una muestra probabilística para una
investigación más profunda para iluminar y validar lo que significan los números. Se encuestó a
una muestra aleatoria y representativa de personas con discapacidad para determinar sus
necesidades prioritarias. Luego se entrevistó a un pequeño número de encuestados en diferentes
categorías de necesidad para comprender en profundidad sus situaciones y prioridades y para
hacer que los hallazgos estadísticos sean más personales a través de historias. La muestra
cualitativa también se usó para validar la precisión y el significado de las respuestas de la encuesta.

3. Métodos mixtos paralelos: Realice simultáneamente una encuesta utilizando una muestra
probabilística para la representatividad y la generalización, y al mismo tiempo realice estudios de
casos en profundidad elegidos a propósito para proporcionar profundidad de interpretación para
dilucidar lo que significan los resultados de la encuesta.

4. Métodos mixtos triangulados: compare muestras probabilísticas y intencionadas, estudiadas de

forma independiente, para triangular y examinar la consistencia de los hallazgos con diferentes
métodos y estrategias de muestreo. Una evaluación de un programa de visitas domiciliarias para la
primera infancia utilizó métodos tanto cuantitativos (medidas previas y posteriores) como
cualitativos (estudios de casos). Los hallazgos proporcionaron perspectivas bastante diferentes y
contradictorias sobre el programa, lo que apoyó la necesidad de realizar más investigaciones
(Sherwood, 2005).

5. Métodos mixtos centrados en la validez: Realice observaciones y entrevistas para determinar la

validez de datos estadísticos seleccionados. Por ejemplo, ¿se han seguido rigurosamente los
procedimientos para recopilar datos estadísticos? En 1851, el teórico político francés Pierre-Joseph
Proudhon observó que “ser gobernado es ser anotado, registrado, enumerado, contabilizado,
sellado, medido, clasificado, auditado, patentado”. , licenciado, autorizado, avalado, reprendido,
impedido, reformado, rectificado y corregido en cada operación, cada transacción, cada
movimiento” (citado por Schulz, 2014, p. 34). Más de ciento sesenta años después, las formas en
que somos enumerados, medidos y clasificados se han expandido geométricamente. Una forma de
investigación cualitativa es investigar de dónde provienen los números, cómo se ingresan y qué
significan. Considere los certificados de defunción en los Estados Unidos. Los certificados de
defunción enumeran la causa de la muerte y son una fuente de estadísticas de importancia crítica
que describen las tendencias de mortalidad y enfermedad. Pero los estudios sobre cómo se
completan los certificados de defunción han revelado errores sustanciales. Los médicos residentes
a menudo son asignados para llenar certificados de defunción en hospitales sin la capacitación
adecuada (oa veces sin ninguna) sobre cómo hacerlo; a menudo se basan en informes de segunda
o tercera mano sobre la causa de la muerte y se topan con una variedad de problemas
administrativos y de procedimiento para completar los certificados de defunción. Una encuesta de
2010 de 521 médicos en 38 programas de residencia en la ciudad de Nueva York encontró que
“solo un tercio creía que los certificados de defunción eran exactos. Casi la mitad informó haber
enumerado a sabiendas una causa de muerte inexacta, y ese número aumentó al sesenta por
ciento entre los residentes con mayor experiencia” (Schulz, 2014, p. 36). El trabajo de campo
cualitativo y las entrevistas son necesarios para llegar a los factores que conducen a inexactitudes
significativas en esta importante fuente de datos. El capítulo 4 (págs. 231 y 232) analizó la
realización de trabajo de campo para realizar dichas comprobaciones de validez. Di el ejemplo de
ingresar conjeturas en una encuesta sobre los rendimientos de los agricultores de subsistencia
cuando trabajaba en extensión agrícola en Burkina Faso en la década de 1960, porque no teníamos
forma de medir los rendimientos; el trabajo de campo sobre los procedimientos de recopilación de
datos habría revelado que los números eran muy problemáticos.

Cinco problemas con el muestreo por conveniencia

1. Pobre en información: Yin (2011) ha planteado sucintamente el problema con el muestreo de

conveniencia: “Es probable que produzca un grado desconocido de incompletitud porque las
fuentes de datos más fácilmente disponibles probablemente no sean las fuentes más informativas.
Del mismo modo, es probable que las muestras de conveniencia produzcan un grado de sesgo no
deseado” (p. 88).

2. Peligroso: Maxwell (2012) advierte que hacer de la conveniencia el criterio principal o único para
las decisiones de muestreo es "peligroso" porque disminuye o ignora el criterio de muestreo
principal de tener un propósito para encontrar la mejor información y comprensión que busca "y
porque expone su conclusiones a serias amenazas de validez”. Desafortunadamente, pasa a
moderar esta advertencia al enfatizar que las realidades del acceso, el costo, el tiempo y la
dificultad necesariamente influyen en cada decisión sobre qué escenarios y participantes incluir en
un estudio, y descartar estas consideraciones como “poco rigurosas” es ignorar las condiciones
reales. eso influirá en cómo se pueden recopilar los datos y la capacidad de estos datos para
responder a sus preguntas de investigación. (pág. 95) Hubiera preferido que hubiera terminado
con la conclusión de que el muestreo de conveniencia es “peligroso” y no que se ofreciera como
una escapatoria y un escape práctico. La distinción crítica, sin embargo, es que la conveniencia
debe ser, en el mejor de los casos, una consideración práctica secundaria o terciaria y nunca el
criterio único o principal.

3. Utilidad limitada: Morse (2010) también se enreda en el atolladero de la muestra de

conveniencia al argumentar que el muestreo de conveniencia permite a los investigadores ir a
lugares accesibles donde es probable que vean las interacciones sociales que son el foco de su
investigación como una forma de comenzar. En efecto, ella defiende el muestreo de conveniencia
como una forma inductiva y abierta de muestreo temprano para comenzar a explorar el fenómeno
de interés. El muestreo posterior será intencionalmente teórico para generar y profundizar la
teoría. Hay dos puntos a tener en cuenta. (1) En este marco, el muestreo por conveniencia no es
una estrategia intencionada por sí sola, sino que es simplemente una manera fácil de entrar en el
campo; el muestreo teórico inductivo es su verdadera estrategia. (2) Preferiría mucho más
designar este enfoque como muestreo exploratorio o muestreo de entrada al campo o muestreo
de sumergir el dedo del pie en la investigación. Pero cualquiera que sea el etiquetado alternativo,
ella no aboga por basar toda la investigación en encontrar casos fácilmente accesibles, que es lo
que connota el muestreo de conveniencia.

4.Perezoso, no oportunista: el muestreo de oportunidad a veces se trata igual que el muestreo de

conveniencia, y los términos se usan indistintamente. Permítanme distinguir los dos. El muestreo
de oportunidad es una táctica en una estrategia más amplia de trabajo de campo en profundidad.
Como señalé al definir y analizar el muestreo de oportunidad (pág. 300), durante el trabajo de
campo puede surgir la oportunidad de entrevistar a alguien u observar una actividad, ninguna de
las cuales podría haberse planeado con anticipación. Por ejemplo, durante una evaluación de un
centro de acogida para jóvenes después de la escuela, un estudiante universitario que solía
participar en los programas del centro se dejó caer durante un receso semestral para reconectarse
con antiguos miembros del personal. Esto ofreció la oportunidad de aprender sobre la historia del
centro y ver cómo una ex participante veía su experiencia. Esto difiere del muestreo de
conveniencia en que se presenta una oportunidad imprevista y vale la pena aprovecharla. Pero no
es toda la estrategia de muestreo ni siquiera una parte importante de ella.

5.Baja credibilidad, fácil de atacar: finalmente, a aquellos que buscan atacar la credibilidad de las
muestras cualitativas pequeñas les encanta resaltar la falta de valor y la pereza de las muestras de
conveniencia. Dejemos de darles municiones. Deje de hacer muestreo de conveniencia y deje de
tratarlo como una opción útil y viable. Como he gritado al titular esta reflexión: el muestreo de
conveniencia no es un muestreo con un propósito. Haga que su muestreo cualitativo sea
estratégico y con un propósito. Ese es el criterio de la excelencia cualitativa.

Tamaño de muestra para diseños cualitativos

La investigación cualitativa está plagada de ambigüedades. Hay estrategias con propósito en lugar
de reglas metodológicas. Hay enfoques de investigación en lugar de fórmulas estadísticas. La
indagación cualitativa parece funcionar mejor para personas con una alta tolerancia a la
ambigüedad. (Y todavía estamos discutiendo solo el diseño. Empeora cuando llegamos al análisis).
En ninguna parte esta ambigüedad es más clara que en el tamaño de la muestra. Recibo cartas.
recibo llamadas Recibo correos electrónicos. “¿Es 10 una muestra lo suficientemente grande como
para lograr la máxima variación?” “Empecé entrevistando a 20 personas durante dos horas cada
una, pero perdí a 2 personas. ¿18 es lo suficientemente grande o tengo que encontrar 2 más?”
“Quiero estudiar solo una organización, pero entrevistar a 20 personas en la organización. ¿El
tamaño de mi muestra es 1 o 20 o ambos?” Mi respuesta universal, segura y segura a estas
preguntas es esta: “Depende”. No hay reglas para el tamaño de la muestra en la investigación
cualitativa. El tamaño de la muestra depende de lo que desee saber, el propósito de la
investigación, lo que está en juego, lo que será útil, lo que tendrá credibilidad y lo que se puede
hacer con el tiempo y los recursos disponibles. desfases entre la anchura y la profundidad. Con los
mismos recursos fijos y tiempo limitado, un investigador podría estudiar un conjunto específico de
experiencias para un mayor número de personas (buscando amplitud) o un rango más abierto de
experiencias para un número menor de personas (buscando profundidad). La información
detallada de un pequeño número de personas puede ser muy valiosa, especialmente si los casos
son ricos en información. Menos profundidad de un número mayor de personas puede ser
especialmente útil para explorar un fenómeno y tratar de documentar la diversidad o comprender
la variación. Repito, el tamaño de la muestra depende de lo que desee averiguar, por qué desea
averiguarlo, cómo se utilizarán los hallazgos y qué recursos (incluido el tiempo) tiene para el
estudio. Janice Morse (2000), ex editor de Qualitative Health Research, ha explicado
perspicazmente cómo la naturaleza de los datos que se recopilan y la tradición teórica dentro de la
cual se ubica el estudio (ver Capítulo 3) afectan el tamaño de la muestra. Ella comienza articulando
un principio para guiar las compensaciones entre profundidad y amplitud: la calidad de los datos y
la cantidad de entrevistas por participante determinan la cantidad de datos utilizables obtenidos.
Existe una relación inversa entre la cantidad de datos útiles obtenidos de cada participante y el
número de participantes. Cuanto mayor sea la cantidad de datos utilizables obtenidos de cada
persona (como número de entrevistas, etc.), menor será el número de participantes. Este principio
vincula el número de participantes con el método de investigación utilizado. Si, cuando se utilizan
entrevistas semiestructuradas, se obtiene una pequeña cantidad de datos por pregunta de la
entrevista (es decir, datos relativamente superficiales), entonces para obtener la riqueza de datos
requerida para el análisis cualitativo, se necesita una gran cantidad de participantes (al menos de
30 a 60). Si, por otro lado, uno está haciendo un estudio fenomenológico y entrevistando a cada
persona muchas veces, uno tiene una gran cantidad de datos para cada participante y por lo tanto
necesita menos participantes en el estudio (quizás solo 6 a 10). La teoría fundamentada, con dos o
tres entrevistas no estructuradas por persona, puede necesitar de 20 a 30 participantes, ajustados
de acuerdo con los factores discutidos anteriormente. (págs. 4 y 5)

Para comprender el problema de credibilidad de las muestras pequeñas en la investigación

cualitativa, es necesario ubicar estas muestras pequeñas en el contexto del muestreo
probabilístico. Una muestra de investigación cualitativa solo parece pequeña en comparación con
el tamaño de muestra necesario para la representatividad cuando el propósito es generalizar de
una muestra a la población de la que forma parte. Supongamos que hay 100 personas en un
programa a evaluar. Sería necesario muestrear aleatoriamente a 80 de esas personas (80%) para
hacer una generalización al 95% de nivel de confianza. Si hay 1.000 personas, se debe muestrear a
278 personas (28%); y si hay 5.000 personas en la población de interés, se deben muestrear 357
(7%) para lograr un nivel de confianza del 95% en la generalización de los hallazgos. (Ver Fitz-
Gibbon & Morris, 1987, p. 163, para una tabla sobre cómo determinar un tamaño de muestra
representativo de una población dada). La lógica del muestreo intencional, buscando casos ricos en
información, es bastante diferente. Sin embargo, el problema es que la utilidad y la credibilidad de
las pequeñas muestras intencionadas a menudo se juzgan sobre la base de la lógica, el propósito y
los tamaños de muestra recomendados del muestreo probabilístico. En cambio, las muestras
intencionales deben juzgarse de acuerdo con el propósito y la justificación del estudio: ¿La
estrategia de muestreo respalda el propósito del estudio? “Determinar el tamaño final de su
muestra es una cuestión de juicio intelectual basado en la lógica de hacer comparaciones
significativas, desarrollar y probar sus explicaciones” (Mason, 2010, p. 139)
Para comprender el problema de credibilidad de las muestras pequeñas en la investigación
cualitativa, es necesario ubicar estas muestras pequeñas en el contexto del muestreo
probabilístico. Una muestra de investigación cualitativa solo parece pequeña en comparación con
el tamaño de muestra necesario para la representatividad cuando el propósito es generalizar de
una muestra a la población de la que forma parte. Supongamos que hay 100 personas en un
programa a evaluar. Sería necesario muestrear aleatoriamente a 80 de esas personas (80%) para
hacer una generalización al 95% de nivel de confianza. Si hay 1.000 personas, se debe muestrear a
278 personas (28%); y si hay 5.000 personas en la población de interés, se deben muestrear 357
(7%) para lograr un nivel de confianza del 95% en la generalización de los hallazgos. (Ver Fitz-
Gibbon & Morris, 1987, p. 163, para una tabla sobre cómo determinar un tamaño de muestra
representativo de una población dada). La lógica del muestreo intencional, buscando casos ricos en
información, es bastante diferente. Sin embargo, el problema es que la utilidad y la credibilidad de
las pequeñas muestras intencionadas a menudo se juzgan sobre la base de la lógica, el propósito y
los tamaños de muestra recomendados del muestreo probabilístico. En cambio, las muestras
intencionales deben juzgarse de acuerdo con el propósito y la justificación del estudio: ¿La
estrategia de muestreo respalda el propósito del estudio? “Determinar el tamaño final de su
muestra es una cuestión de juicio intelectual basado en la lógica de hacer comparaciones
significativas, desarrollar y probar sus explicaciones” (Mason, 2010, p. 139).

El tamaño de la muestra, como todos los demás aspectos de la investigación cualitativa, debe
juzgarse en contexto, el mismo principio que sustenta el análisis y la presentación de datos
cualitativos. Las muestras probabilísticas aleatorias no pueden lograr lo que logran las muestras
detalladas y intencionadas, y viceversa. Aquí hay un sabio consejo sobre el tamaño de la muestra
del eminente metodólogo del estudio de casos Robert Stake (2006): Los beneficios del estudio de
casos múltiples serán limitados si hay menos de, digamos, 4 se eligen casos, o más de 10. Dos o
tres casos no muestran suficiente interactividad entre los programas y sus situaciones, mientras
que 15 o 30 casos brindan más singularidad de interactividad de lo que el equipo de investigación y
los lectores pueden llegar a comprender. Pero por una buena razón, muchos estudios de casos
múltiples tienen menos de 4 o más de 15 casos. (p. 22) Pequeñas muestras que son realmente
profundas han proporcionado muchos de los avances más importantes en nuestra comprensión
del fenómeno que se estudia. Piaget contribuyó con un gran avance a nuestra comprensión de
cómo piensan los niños al observar a sus propios dos hijos detenidamente y con gran profundidad.
Freud estableció el campo del psicoanálisis basado originalmente en menos de 10 casos de
clientes. Bandler y Grinder (1975) fundaron la programación neurolingüística al estudiar a tres
terapeutas de renombre: Milton Erickson, FritzPerls y Virginia Satir. Peters y Waterman (1982)
formularon sus ocho principios ampliamente seguidos para la excelencia organizacional al estudiar
62 empresas, una muestra relativamente pequeña de las miles de empresas que se podrían
estudiar. Sands (2000) hizo una excelente disertación estudiando a un solo director de escuela,
describiendo el liderazgo de una mujer líder que entró en una situación escolar desafiante y
provocó un cambio constructivo. El estudio de caso único de Clair Claiborne Park (2001) sobre el
autismo de su hija reporta 40 años de datos en cada etapa de su desarrollo, uso del lenguaje,
emociones, capacidades, barreras, obsesiones, patrones de comunicación, arte emergente y
desafíos superados y no superados. Park y su esposo realizaron observaciones sistemáticas a lo
largo de los años. El eminente antropólogo médico Oliver Sacks revisó los datos y determinó en su
prefacio al libro que hay más datos disponibles sobre la mujer en este extraordinario estudio de
caso que sobre cualquier otro ser humano autista que jamás haya existido. Aquí, entonces, está el
epítome de n = 1 investigación en profundidad. La validez, el significado y los conocimientos
generados a partir de la investigación cualitativa tienen más que ver con la riqueza de información
de los casos seleccionados y las capacidades de observación/análisis del investigador que con el
tamaño de la muestra.

Grandes muestras cualitativas

Los avances en el software cualitativo para la gestión y el análisis de datos han hecho que los
tamaños de muestra más grandes sean mucho más manejables y comunes. Cada vez más, los
estudios cualitativos a gran escala incluyen muestras de 60 a 100 (Mason, 2010). En Far From the
Tree, Andrew Solomon (2012) informa haber entrevistado a más de 300 familias en su
investigación sobre las experiencias familiares de sordera, enanismo, autismo, esquizofrenia,
discapacidad, prodigios, personas transgénero, delincuencia y niños nacidos de violaciones. Strong
(1979) estudió 1.120 consultas pediátricas. GlobalGiving ayuda a organizaciones sin fines de lucro
en 144 países a recaudar fondos y comunicar sus impactos. En un esfuerzo por permitir que las
personas de las comunidades locales cuenten sus propias historias, crearon un proceso para
recopilar perspectivas a nivel de base del personal y los participantes del programa. En cuatro
años, recopilaron más de 57 000 historias para su análisis y las han utilizado para una variedad de
propósitos, desde la evaluación de necesidades hasta la evaluación de programas y el análisis de
tendencias (Maxson, 2014). Muestras tan grandes capturan viñetas y anécdotas, por lo que no son
estudios de casos en profundidad, pero pueden y han sido utilizados para detectar patrones
generales en las experiencias de asistencia para el desarrollo de los beneficiarios.

Tamaño de la muestra como emergente y flexible

Como se señaló en las secciones anteriores sobre emergente muestreo y muestreo por cuotas, el
tamaño real de una muestra puede ser flexible. Al principio, cuando se formule el diseño inicial (y
sea aprobado por otros, por ejemplo, financiadores o un IRB, si es necesario), se puede especificar
un tamaño de muestra deseado o específico. Ese tamaño de muestra puede ser un punto de
partida o un mínimo, pero puede no ser el número final. El tamaño y la composición de la muestra
se pueden ajustar con base en lo que se aprende a medida que se realiza el trabajo de campo y se
profundiza la indagación. La naturaleza emergente de la investigación cualitativa se aplica con
especial fuerza al tamaño de la muestra. La muestra puede crecer, o si la saturación se logra antes
de lo esperado, el tamaño puede reducirse. El tamaño final de la muestra también puede implicar
una compensación entre una mayor profundidad y una mayor amplitud. Suponga que el diseño
original, dado el tiempo y los recursos, requería realizar 20 entrevistas de dos horas. Sin embargo,
una vez que comenzaron las entrevistas, se supo que para hacer justicia a la investigación, las
entrevistas duraban cuatro horas en lugar de dos. Esto podría significar reducir el tamaño de la
muestra de los 20 originales a 5 o 6. O podría ocurrir el escenario opuesto. Los entrevistados solo
necesitaron 45 minutos para contar sus historias en lugar de las dos horas previstas. Esto podría
significar aumentar el tamaño de la muestra de 20 a 30. Por lo tanto, el desafío de determinar el
tamaño de la muestra se vuelve aún más complicado cuando se utilizan estrategias emergentes,
como el muestreo de bola de nieve, el RDS y el muestreo hasta el punto de redundancia. Estas
estrategias deliberadas dejan abierta la cuestión del tamaño de la muestra, un excelente ejemplo
de la naturaleza emergente de la investigación cualitativa. Queda, sin embargo, el problema
práctico de cómo negociar un presupuesto de evaluación o conseguir que un comité de tesis
apruebe un diseño si no tienes una idea del tamaño de la muestra. El muestreo hasta el punto de
la redundancia es ideal, uno que funciona mejor para la investigación básica con plazos ilimitados y
recursos sin restricciones.

TAMAÑO DE MUESTRA PROPÓSITO EN DISERTACIONES

Mason (2010) identificó y analizó 560 disertaciones cualitativas. La muestra más pequeña fue un
solo participante utilizado en un estudio de historia de vida. La muestra más grande fue de 95. El
tamaño medio fue de 28 (y la media fue de 31). Sin embargo, los tamaños de muestra más
comunes que encontró fueron 20 y 30 (seguidos de 40, 10 y 25). La proporción significativamente
alta de estudios que utilizan múltiplos de 10 como muestra es el hallazgo más importante de este
análisis. No existe una razón lógica (o impulsada por la teoría) por la cual las muestras que
terminan en un número entero sean más frecuentes que cualquier otra en los estudios cualitativos
de doctorado que utilizan entrevistas. Si la saturación es el principio rector de los estudios
cualitativos, es probable que se logre en cualquier momento. y ciertamente no es más probable
que se logre con una muestra que termine en cero que con cualquier otro número. el tamaño de la
muestra se fija de antemano en lugar de que se determine la saturación o la emergencia.

Muestreo intencionado práctico La solución para determinar un tamaño de muestra intencionado

es el juicio y la negociación. Recomiendo que los diseños de muestreo cualitativo especifiquen
muestras mínimas basadas en la cobertura razonable esperada del fenómeno dado el propósito
del estudio y los intereses de las partes interesadas. Puede agregar a la muestra a medida que se
desarrolla el trabajo de campo. Puede cambiar la muestra si surge información que indique el valor
de un cambio. El diseño debe entenderse como flexible y emergente. Sin embargo, al principio,
para fines de planificación y presupuestación, se especifica un tamaño de muestra mínimo
esperado y se construye una justificación para ese mínimo, así como criterios que alertarían al
investigador sobre las insuficiencias en el enfoque y/o tamaño de muestreo original. Al final , la
adecuación del tamaño de la muestra, como todos los aspectos de la investigación, está sujeta a
revisión por pares, validación consensuada y juicio. Lo que es crucial es que los procedimientos de
muestreo y las decisiones se describan, expliquen y justifiquen completamente, para que los
usuarios de la información y los revisores tengan el contexto apropiado para juzgar la muestra. El
investigador o evaluador está obligado a discutir cómo la muestra afectó los hallazgos, la fortalezas
y debilidades de los procedimientos de muestreo, y cualquier otra decisión de diseño que sea
relevante para interpretar y comprender los resultados informados. Tener cuidado de no
generalizar en exceso a partir de muestras intencionales, mientras se maximizan al máximo las
ventajas del muestreo intencional y en profundidad, contribuirá en gran medida a aliviar las
preocupaciones.